یک مدل ساده برای حباب سوداگرانه‌ی بازار مسکن تهران

مدلسازی اقتصادی

مقاله 4، دوره 7، شماره 21، فروردین 1392، صفحه 51-68   

نوع مقاله: پژوهشی

نویسندگان

حبیب مروت^{* 1}؛ جاوید بهرامی²

¹دانشجوی دکتری اقتصاد دانشگاه علامه طباطبایی

²استادیار اقتصاد دانشگاه علامه طباطبایی

چکیده

وقوع حباب‌های سوداگرانه در بازار مسکن تهران در مطالعات مختلف نشان داده شده است اما کمتر مطالعه‌ای به شناسایی علل اصلی شکل‌گیری  حباب سوداگرانه در این بازار پرداخته است. در این مقاله تلاش می‌شود  با ارایه یک مدل ساده برای تقاضای سوداگری بخش مسکن، نقش انتظارات  ناهمگن در شکل‌گیری حباب سوداگرانه بررسی شود. در این مدل برخی از عوامل دارای تقاضای بی ثبات‌کننده یا  برون‌یابانه می‌باشند ( نمودارگراها) و برخی از آنها دارای تقاضای تثبیت‌کننده یا برگشت به میانگین می‌باشند (بنیادگراها)‌. نتایج مدل‌سازی نشان می‌دهد که حساسیت نسبی تقاضای خریداران با انتظارات مختلف نسبت به تغییرات قیمت، و سهم نسبی آنها از کل تقاضای سوداگرانه نقش مهم و معناداری در شکل‌گیری حباب سوداگرانه در مسکن تهران دارند. از سوی دیگر سهم نمودارگراها از کل تقاضای سوداگرانه در طی دو دهه‌ی گذشته بیش از 90 درصد بوده است.

کلیدواژه‌ها

پویایی‌های غیرخطی؛ بازار مسکن تهران؛ حباب‌های سوداگرانه

اصل مقاله

1. مقدمه

به دلیل اهمیت بخش مسکن در اقتصاد کشورها[1]، محققان تلاش نموده­اند در مطالعات نظری و تجربی، علل وقوع رونق و رکود و نوسانات قیمتی در بازار مسکن را تبیین نمایند. بررسی سری ­زمانی مربوط به شاخص قیمت­های حقیقی بازار مسکن تهران در طی دو دهه‌ی گذشته وجود چرخه­های رونق و رکود در این بازار و وقوع حباب قیمتی مسکن را تایید می‌کند. حباب قیمتی مسکن از یک سو به دلیل تحریف قیمت­های نسبی دارایی­ها، مانع تخصیص بهینه منابع مالی و اقتصادی می­شود. از سوی دیگر، فروپاشی آن فعالیت‌های حقیقی موسسات مالی وخانوارها در اقتصاد را تحت تاثیر قرار داده و کاهش می­دهد. بنابراین برای اقتصاددانان مهم است که بدانند حباب‌های قیمتی مسکن چرا و چگونه شکل می­گیرند و چرا قیمت‌ها به طور سیستماتیک از ارزش بنیادی منحرف می­شوند.  

     در این مقاله تلاش می­شود تا با استفاده از رهیافت اقتصاد رفتاری که علت افزایش شدید قیمت مسکن و شکل­گیری حباب قیمتی مسکن را در عواملی غیر اقتصادی (مانند اندیشه سوداگرانه[2] در بین سرمایه­گذاران، انتطارات برون­یابانه (‌بی­ثبات کننده)[3]، روانشناسی بازار در شکل بدبینی و خوش­بینی، رفتار توده­ای[4]) می­دانند، نحوه‌ی شکل­گیری و فروپاشی حباب قیمتی مسکن تهران مدلسازی شود. بنابراین هدف این مقاله عبارت است از ارایه یک مدل ساده برای بررسی نقش تقاضای سوداگرانه در نوسانات قیمت بازار مسکن تهران. بدین منظور تقاضای مسکن به دو گروه کلی تقاضای مصرفی و تقاضای سوداگری تقسیم شده و تقاضای سوداگری با فرض وجود ناهمگنی رفتاری به زیرگروه تقاضای برون­یابانه یا ‌بی­ثبات­کننده      (تقاضای نمودارگراها[5]) و تقاضای برگشت به میانگین[6] یا تثبیت­کننده (‌تقاضای بنیادگراها) تقسیم می­شود. سهم هر یک از این عوامل از کل تقاضای سوداگرانه تابع شرایط بازار و نوسانات قیمت می­باشد[7]. برای مدل­سازی از رهیافت اقتصاد مبتنی بر عامل[8] استفاده خواهد شد. قیمت­های تولید شده توسط مدل با قیمت‌های واقعی بازار مسکن مقایسه شده و بهترین مدل انتخاب خواهد شد. در ادامه با استفاده از مدل شبیه­سازی شده فرضیه­های تحقیق مورد آزمون قرار می­گیرند. فرضیه­های تحقیق عبارتند از: نخست، شدت نسبی واکنش نمودارگراها در مقایسه با بنیادگراها نسبت به تغییرات قیمت اثر معنا­داری شکل­گیری حباب قیمتی در بازار مسکن تهران دارد. دوم،‌ افزایش سهم تقاضای برون­یابانه از کل تقاضای سوداگرانه در شکل‌گیری حباب­ قیمتی در بازار مسکن تهران موثر است. 

    در ادامه مقاله، در بخش دوم مبانی نظری موضوع و طراحی مدل ارایه می­شود. در بخش سوم ادبیات تجربی موضوع و مطالعات انجام شده بررسی خواهد شد. در بخش چهارم مدل‌سازی تجربی برای بازار مسکن تهران انجام می‌شود، و در نهایت در بخش پنجم جمع‌بندی و نتیجه گیری ارایه خواهد شد.

2. مبانی نظری و طراحی مدل

مدلی که در ادامه مطرح می­شود مدلی ساده و استاندارد می­باشد که در اکثر مطالعاتی که به بررسی نقش عوامل و تقاضاهای ناهمگن در شکل­گیری قیمت دارایی­ها می­پردازند از روایتی از این مدل استفاده می­شود. دی یچی و وسترهف[9] (2012) نوعی از این مدل را در بازار مسکن استفاده نموده و تلاش نموده­اند تا نقش ناهمگنی رفتاری تقاضای سوداگرانه در نوسانات قیمت مسکن و رونق و رکود در این بخش را بررسی نمایند. رهیافت اصلی این مدل از مطالعات اخیر در مورد کاربرد اقتصاد مبتنی بر عامل در مالیه (هومس[10] ، 2006 و لی بارون[11] ، 2006) الهام گرفته است. در این مدل‌ها، پویایی­های بازارهای مالی به نحوه شکل­گیری انتظارات و قواعد رفتاری عوامل دارای عقلانیت محدود[12] که با یکدیگر تراکنش دارند بستگی دارد.

      ساختار مدل به شکل زیر است: فرض می­کنیم که قیمت‌های واحدهای مسکونی طبق روال با توجه به مازاد تقاضا تعیین می­شود. بنابراین قیمت با توجه با مازاد تقاضا طی زمان تغییر می­کند. با استفاده از تابع تعدیل خطی استاندارد، قیمت مسکن  در زمان  به شکل زیر مدل می­شود:

    (1)                                                                     

که در این رابطه  پارامتر تعدیل قیمت،  و  به ترتیب تقاضا و عرضه کل واحدهای مسکونی می­باشد. مشخص است که اگر مازاد تقاضا مثبت باشد قیمت واحدهای مسکونی افزایش خواهد یافت و بر عکس. برای سادگی مدل­سازی فرض می­کنیم . از آنجا که کشش قیمتی عرضه واحدهای مسکونی مخصوصا در کوتاه­مدت بسیار پایین است عرضه واحدهای مسکونی را ثابت در نظر می­گیریم و بنابراین تقاضای واحدهای مسکونی تعیین کننده پویایی­های قیمت مسکن خواهد بود.

تقاضای کل برای واحدهای مسکونی از دو جزء تشکیل شده است:

(2)                                                                                 

در رابطه فوق  تقاضای حقیقی (‌مصرفی) مسکن و  تقاضای دارایی (سوداگری) مسکن می­باشد. معادله تقاضای حقیقی مسکن عبارت است از:

(3)                                                                                     

پارامترهای  و  هر دو مثبت هستند. همان طور که ملاحظه می­شود تقاضای حقیقی مسکن طبق قاعده رابطه منفی با قیمت مسکن دارد. اگر تقاضای دارایی وجود نداشته باشد، تقاضای حقیقی به تنهایی تعیین­کننده قیمت خواهد بود. در این حالت رابطه 3-1 برابر خواهد بود با:

(4)                                                             

با اعمال شرط  در رابطه فوق می­توان مقدار تعادلی بلندمدت قیمت را به دست آورد که برابر خواهد بود با ارزش بنیادی مسکن. بنابراین ارزش بنیادی مسکن در این مدل ساده برابر است با . در واقع اگر در بازار مسکن تقاضای سوداگرانه وجود نداشته باشد قیمت بازار برابر قیمت بنیادی مسکن بوده و تنها منعکس کننده اثرات عوامل بنیادی در مسکن می­باشد. 

     تقاضای سوداگرانه مسکن به دو جزء تقاضای برون­یابانه[13] (تقاضای نمودارگراها یا تقاضاکنندگان تکنیکی) و تقاضای برگشت به میانگین[14] (‌تقاضای بنیادگراها) تقسیم می­شود. رابطه جزء تقاضای برون­یابانه از تقاضای سوداگرانه به شکل زیر می­باشد:

 (5)                                                                    

پارامتر واکنش ( ) مثبت است. هنگامی که قیمت فعلی مسکن از قیمت بنیادی آن (F) بیشتر باشد رابطه (3-5) نشان می­دهد که عواملی که این نوع تقاضا را دارند  نسبت به افزایش قیمت مسکن خوش­بین بوده و با افزایش قیمت فعلی نسبت به قیمت بنیادی تقاضای خود را افزایش می­دهند و بر عکس اگر قیمت فعلی از قیمت دوره‌ی قبل کمتر باشد تقاضای خود را کاهش خواهند داد. به عبارت دیگر آنها معتقدند که حباب قیمت مسکن در دوره‌ی بعدی نیز ادامه داشته و بنابراین تقاضای خود را با افزایش قیمت افزایش می­دهند.

رابطه‌ی جزء تقاضای برگشت به میانگین از تقاضای سوداگرانه به شکل زیر می­باشد:

  (6)                                                                  

در رابطه‌ی فوق  مثبت است که عبارت است از پارامتر واکنش تقاضای برگشت به میانگین نسبت به قیمت مسکن. بر اساس رابطه فوق اگر به عنوان مثال قیمت مسکن از قیمت بنیادی آن پایین‌تر باشد آنگاه تقاضای این گروه از تقاضا کنندگان افزایش خواهد یافت زیرا آنها انتظار دارند در آینده قیمت مسکن افزایش یافته و به ارزش بنیادی خود میل نماید در نتیجه آنها با فروش مسکن با قیمت بالاتر سود خواهند برد و بر عکس.

بنابراین با توجه به روابط فوق تقاضای کل سوداگرانه برابر خواهد بود با:

 (7)                                                  

در رابطه فوق  و () به ترتیب وزن‌ها یا سهم تقاضاکنندگان دارای تقاضای برون‌یابانه و تقاضاکنندگان دارای تقاضای برگشت به میانگین را نشان می­دهد. برای تعیین سهم و وزن هر یک از انواع تقاضاهای سوداگرانه در ادبیات اقتصادی و مالی از روش‌های مختلفی استفاده شده است (کرمن[15] 1993، برنساید و دیگران[16]، 2011‌).

    اما دی ­چی و وسترهف (2012)‌، سهم نمودارگراها را از تقاضای سوداگرانه، تابع زنگوله­ای شکل از شکاف قیمت مسکن نسبت به قیمت بنیادی آن در نظر گرفته­اند:

(8)                                                                               

    بر اساس رابطه فوق هر چه شکاف قیمت مسکن از قیمت بنیادی بیشتر شود سهم نمودارگراها از تقاضای سوداگرانه کاهش و سهم بنیادگراها افزایش می­یابد. زیرا، هر چه شکاف قیمتی بیشتر شود نمودارگراهای بیشتری به این نتیجه می­رسند که حباب خواهد ترکید و قیمت جاری به قیمت بنیادی میل خواهد نمود بنابراین سهم نمودارگراها کاهش خواهد یافت. کاهش در سهم نمودارگرایان تقاضای برون­یابانه را کاهش داده و بنابراین منجر به کاهش قیمت‌ها خواهد شد. کاهش قیمت­های جاری، شکاف قیمتی را کاهش داده بنابراین سهم نمودارگراها را مجددا افزایش خواهد داد در نتیجه ممکن است منجر به افزایش قیمت­ها شود. بنابراین افزایش یا کاهش قیمت در این مدل بستگی به سهم معامله­گران از کل تقاضا دارد.

     در رابطه فوق  پارامتر مثبت می­باشد. این پارامتر حساسیت یا شدت عکس العمل سهم گروه­های مختلف را به تغییرات قیمت نشان می­دهد. هر چه مقدار این پارامتر کوچک‌تر باشد (مثلا اگر به صفر میل نماید) سهم نموداگرایان از کل تقاضای سوداگرانه بیشتر خواهد شد و برعکس. در نتیجه این پارامتر نقش مهمی در تحلیل رونق و رکود در این مدل بازی می­کند.

از طریق جایگذاری رابطه (8) در معادله (7)‌ و سپس در معادله (1) و با در نظر گرفتن  و ، به رابطه‌ی زیر خواهیم رسید که نحوه پویایی شکاف قیمتی یا تغییرات حبابی قیمت را نشان می­دهد:

 (9)                                                                     

      رابطه‌ی فوق نحوه پویایی جزء چرخه‌ای قیمت مسکن ( قیمت جاری منهای قیمت بنیادی) را نشان می­دهد. از آنجا ­که معادله فوق یک معادله تفاضلی مرتبه یک با درجه سه می‌باشد دارای سه نقطه ثابت[17] (سه قیمت چرخه­ای تعادلی بلندمدت) می­باشد که برابر خواهند بود با:

 

در بخش مدلسازی تجربی با استفاده از رابطه‌ی (9) قیمت چرخه­ای تولید شده و با قیمت چرخه­ای واقعی مقایسه می­شود. آنگاه با تغییر پارامترهای مدل میزان و نحوه اثرگذاری آنها را بر قیمت‌های چرخه ای ارزیابی و آزمون آماری صورت می­گیرد.

3. مروری بر مطالعات انجام شده

بسیاری از مطالعات رفتار غیرعقلایی و عوامل روانشناختی خریداران را عامل اصلی شکل‌گیری حباب‌های بخش مسکن می­دانند. به عنوان مثال شیلر[18](2007) رونق در بازار مسکن امریکا در اواخر دهه 1990 را یک حباب سوداگرانه دانسته و علت اصلی آن را انتظارات شدید برای افزایش قیمت‌های آتی در نظر می­گیرد. وی بیان می­کند که این حباب در نهایت ترکیده و بحران اقتصادی به وجود آورده است.  جن سوو و می یر[19] (2000) یکی از عوامل اصلی موثر در  نوسانات قیمت مسکن و حباب‌های سوداگرانه را رفتار زیان گریزی[20] خریداران می­دانند. شینک من و ژیانگ[21] (2003) عوامل روانشناختی مخصوصا اعتماد به نفس بیش از اندازه عوامل را عامل اصلی شکل­گیری حباب‌های سوداگرانه می­دانند.

     با وجود این که بسیاری از مطالعات  نظری علت اصلی شکل­گیری حباب سوداگرانه در بخش مسکن را عوامل غیربنیادی و روانشناختی می­دانند، اما مطالعات اندکی به مدل­سازی نظری و تجربی نحوه تاثیر عوامل روانشناختی و انتظارات ناهمگن در شکل­گیری حباب سوداگرانه پرداخته­اند. در ادامه به  سه  نمونه از این مطالعات اشاره شده است.

    دی یچی و وسترهف[22] (2012) مدل ساده­ای را برای بازار سوداگرانه مسکن ارایه نموده­اند. در این مدل تقاضا برای مسکن تابع انتظارات خریداران از قیمت‌های آتی مسکن می­باشد. آنها نشان دادند تغییر نسبی سهم تقاضاکنندگان با انتظارات مختلف در طی  زمان باعث ایجاد رونق و رکود در بازار مسکن می­شود. 

     برنساید و همکاران (2011) مدلی برای توضیح رونق و رکود در بازار مسکن ارایه داده­اند که در آن، افراد انتظارات ناهمگن در مورد عوامل بنیادی مسکن در آینده دارند. این مدل امکان پویایی اجتماعی را فراهم می­کند. آنها با استفاده از این مدل و بکارگیری داده­های مربوط به شاخص حقیقی قیمت مسکن در کشورهای OECD توانستند رونق و رکود اخیر در این بازارها را به خوبی توضیح دهند. این مدل علت اصلی رونق‌ها را ورود عوامل جدید برای خرید بازار می‌داند.

    پیازسی و اشنایدر[23] (2009) رفتار خانوارها در رونق اخیر بازار مسکن امریکا را مطالعه نمودند. آنها برای مشخص نمودن ناهمگنی در دیدگاه­های عوامل از تحلیل خوشه­ای استفاده نمودند. آنها با استفاده از تحلیل خوشه‌ای [24] نشان دادند که خوشه سوم (خوش­بین‌ها[25] ) با این که بخش کوچکی از عوامل بازار را تشکیل اما سهم عمده­ای در  توضیح رونق مسکن را بر عهده دارند.

 تاکنون در داخل کشور مطالعه­ای به مدل­سازی نقش عوامل غیربنیادی و انتظارات در شکل‌گیری رونق و رکود در بازار مسکن‌ (شکل­گیری حباب) نپرداخته است اما برخی مطالعات تلاش نموده­اند با بکارگیری مدل‌های اقتصادسنجی و توجه ویژه به عوامل بنیادی نوسانات بازار مسکن را توضیح دهند که می‌توان به مطالعات خلیلی عراقی و همکاران (1391)، عاشری (1388)، قلی زاده و کمیاب (1387) اشاره کرد.

     تمامی مطالعات تلاش نموده­اند نوسانات قیمت مسکن ایران و تهران را به وسیله عوامل و متغیرهای بنیادی مانند نرخ بهره حقیقی، قیمت سهام و حجم نقدینگی توضیح دهند اما در این مطالعه تلاش می­شود نقش عوامل غیربنیادی (مانند انتظارات ناهمگن خریداران در مورد تغییرات آتی قیمت مسکن) در شکل­گیری رونق و رکود و حباب سوداگرانه بازار مسکن تهران مدلسازی و شبیه­سازی شده و نقش تقاضای سوداگرانه و سهم نسبی تقاضای برون­یابانه در مقایسه با سهم تقاضای برگشت به میانگین در شکل­گیری حباب قیمتی در مسکن تهران مورد آزمون و ارزیابی قرار گیرد.

4. مدلسازی تجربی

 در این قسمت تلاش می شود با استفاده از ادبیات نظری و مدلسازی  مطرح شده در بخش قبل، رونق و رکود و حباب سودگرانه در بازار مسکن تهران طی دو دهه‌ی گذشته بررسی و مدل­سازی شود. در این قسمت ابتدا مشخصات و ویژگی‌های نوسانات شاخص فصلی قیمت حقیقی مسکن تهران شناسایی و بیان می­شود. از آنجا که برای ارزیابی دقت مدل و اثرگذاری پارامترهای مدل بر نوسانات قیمت به قیمت چرخه ای واقعی نیاز است، از فیلتر هدریک- پرسکات برای استخراج جزء چرخه­ای قیمت استفاده می­شود.

4-1. مشخصات شاخص حقیقی مسکن تهران

نمودار (1) شاخص فصلی قیمت حقیقی مسکن در تهران از فصل اول سال 1371 تا فصل اول سال 1390 را نشان می­دهد. از شاخص قیمت مصرف کننده برای حقیقی کردن شاخص قیمت مسکن استفاده شده است. همان طور که ملاحظه می­شود شاخص حقیقی قیمت مسکن در طی این دوره دارای روند صعودی بوده و نوسانات زیادی داشته است. به وضوح می­توان چندین دوره رونق و رکود را در این دوره در بازار مسکن تهران شناسایی نمود.

 

نمودار 1. روند تغییرات فصلی شاخص حقیقی مسکن تهران 1390-1371

 

منبع: بانک مرکزی جمهوری اسلامی ایران

 

4-2. تفکیک روندها از چرخه ها

عوامل بنیادی و غیربنیادی مهم‌ترین نقش را در رونق و رکود و نوسانات بازار مسکن ایفا می‌کنند. بر مبنای ادبیات نظری، عوامل بنیادی منجر به شکل­گیری روندها[26] و عوامل غیربنیادی منجر به شکل‌گیری چرخه­ها[27] در دوره­های رونق و رکود می­شوند. بنابراین به منظور بررسی نقش عوامل غیربنیادی در شکل­گیری حباب باید چرخه­ها و روندها از یکدیگر تفکیک شوند. روش‌های مختلفی برای تفکیک روندهای بلندمدت و چرخه­های موقتی وجود دارد. برخی از این روش‌ها عبارتند از فیلتر هدریک- پرسکات[28] (1980)، روش بوریج- نلسون (1981) و روش بلنچارد - کوآ[29] (1989). در این مطالعه از روش هدریک- پرسکات استفاده می­شود.

     به منظور تفکیک روندها از چرخه، از آنجا که شاخص مورد استفاده در این تحقیق شاخص فصلی است، ابتدا اثرات فصلی از شاخص حقیقی قیمت مسکن حذف شده و سپس از آن لگاریتم طبیعی گرفته شد. نمودار (2) لگاریتم شاخص فصلی حقیقی قیمت مسکن فصلی­زدایی ­شده به همراه اجزای روندها و چرخه­ها آن را نشان می­دهد. همان طور که نمودار مربوط به چرخه­ها نشان می­دهد سه رونق و رکود ناشی از تغییرات انتظارات عوامل (سه چرخه) در این نمودار قابل تمییز است. در ادامه تلاش می­شود نحوه شکل­گیری این چرخه­ها با استفاده از مدل یاد شده در بخش‌های قبلی توضیح داده شود.

 

نمودار 2. تفکیک روندها و چرخه های  لگاریتم شاخص قیمت حقیقی مسکن تهران (فصلی­زدایی­شده)

 

منبع: محاسبات تحقیق

 

4-3.   شبیه سازی فرایند تولید قیمت چرخه ای و آزمون فرضها

در این قسمت با استفاده از معادله (9)‌ و شبیه­سازی ایستا قیمت چرخه­ای تولید می­شوند. فرایند تولید قیمت‌ها وابستگی زیادی به مقادیر پارامترهای مدل خواهد داشت. مقادیر پارامترهای مدل از طریق کالیبراسیون استخراج خواهد شد. پارامترها به گونه­ای تعیین می­شوند که ضریب نابرابری تیل[30] که معیاری است برای اندازه‌گیری دقت پیش­بینی یا شبیه­سازی یک مدل، حداقل گردد.

• ·         تعیین مقادیر پارامترهای مدل

مدل چهار پارامتر دارد که عبارتند از c، f ، g و h. در صورتی که از لگاریتم قیمت‌ها برای تعیین این پارامترهای استفاده شود، c کشش قیمتی تقاضای مصرفی، f کشش قیمتی تقاضای برون­یابانه (‌تقاضای نموداگراها)، g کشش قیمتی تقاضای برگشت به میانگین (‌تقاضای بنیادگراها) و h حساسیت سهم نمودارگراها و بنیادگراها نسبت به تغییرات قیمت را نشان می‌دهد. برای شروع کالیبراسیون  مقدار اولیه پارامترها برابر یک قرار داده شد[31]. مقدار ضریب تیل در این حالت برابر 2076/0 شد. حال با تغییر مقادیر پارامترها بهترین مدلی که می­تواند تغییرات قیمت حقیقی مسکن را توضیح دهد، انتخاب می­شود.

جدول1. تعیین مقادیر پارامترهای مدل

پارامترها	c	g	f	h	U-Theil
سناریوی1	1	1	1	1	2076/0
سناریوی2	92/0	1	1	1	2044/0
سناریوی3	92/0	7/0	1	1	2043/0
سناریوی4	92/0	7/0	98/0	1	2042/0
مدل پایه و اصلی	92/0	7/0	98/0	9/0	2041/

         منبع: محاسبات تحقیق

نمودار3. قیمت­های شبیه­سازی شده با استفاده از مدل پایه  

 

منبع: محاسبات تحقیق

همان طور که در جدول (1) نشان داده شده است در بهترین حالت، مقادیر پارامترهایc، g، f  و h  به ترتیب برابر 92/0، 7/0، 98/0 و 9/0 می­باشد. این مدل، در ادامه به عنوان مدل پایه برای آزمون فرضیه­های مختلف استفاده خواهد شد. نمودار (3) ، قیمت شبیه سازی شده با استفاده از مدل پایه را در مقایسه با قیمت حقیقی نشان می­دهد.

 

• تفسیر مقادیر پارامترها

مقدار کشش تقاضای مصرفی مسکن تهران (c) برابر 92/0 تعیین شد. بنابراین 1درصد افزایش قیمت مسکن منجر به 92/0 درصد کاهش تقاضای حقیقی و مصرفی مسکن تهران خواهد شد. مقادیر کشش تقاضای برگشت به میانگین و برون­یابانه به ترتیب برابر 7/0 و 98/0 تعیین گردد. در نتیجه ، شدت واکنش نمودار­گراها به تغییرات قیمت چرخه­ای شدیدتر از بنیادگراها است. به عبارت دیگر اگر قیمت چرخه­ای مسکن 1 درصد افزایش یابد تقاضای بنیادگراها 7/0 درصد کاهش و تقاضای نمودارگراها 98/0 درصد افزایش خواهد یافت. در نتیجه هنگامی که قیمت مسکن از قیمت بنیادی فاصله می­گیرد احتمال افزایش این اختلاف به دلیل واکنش بیشتر نمودارگراها در مقایسه با بنیاد­گراها به تغییرات قیمت افزایش می­یابد.

     مقدار پارامتر h که یک پارامتر اصلی در تعیین سهم نمودارگراها و بنیادگراها از تقاضای سوداگری می­باشد در بهترین حالت برابر 9/0 تعیین گردید. هر چه مقدار این پارامتر کوچک‌تر شود سهم نمودارگراها افزایش یافته و سهم بنیاد­گراها کاهش می­یابد. بنابراین در بازار مسکن تهران بیشتر افرادی که تقاضای سوداگری دارند جزو نمودارگراها بوده و دارای تقاضای برون­یابانه می­باشند. برای شفاف­تر نمودن این موضوع سهم نمودارگراها با مقدار  در دوره مورد مطالعه در نمودار (4) ارایه شده است. همان طور که نمودار مذکور نشان می­دهد در طی دو دهه گذشته بیش از 90 درصد تقاضای سوداگری از نوع تقاضای برون­یابانه و بی‌ثبات‌کننده بوده است که این موضوع می­تواند دلیلی بر نوسانات زیاد قیمت مسکن تهران و بی­ثباتی این بازار در دو دهه گذشته باشد.

 

 

 

 

 

نمودار4. سهم نمودارگراها در تقاضای مسکن تهران دوره 1371-1390

 

منبع: محاسبات تحقیق

حال به منظور آزمون معنا­دار بودن  آثار تغییرات هر یک از پارامترها در نوسانات قیمت و شکل گیری حباب سوداگرانه پارامترهای مدل را تغییر داده و قیمت‌های جدید را با مدل پایه از نظر آماری مقایسه می­کنیم .

 

4-3-1. بررسی نقش نسبت پارامتر f به g در شکل­گیری حباب سوداگرانه

پارامتر f و g به ترتیب شدت واکنش نمودارگراها و بنیادگراها را به تغییرات قیمت نشان می‌دهد. بر اساس این نظریه، هر چه نسبت f به g بزرگ‌تر باشد دامنه حباب سوداگرانه بیش‌تر خواهد شد. حال به منظور بررسی معنا­داری این فرضیه مقدار پارامتر f  را که در مدل پایه 98/0 بود به عدد 5/1 تغییر می­دهیم. با اعمال این تغییر مقدار ضریب نابرابری تیل که برای مدل پایه برابر 2041/0 بود به 2793/0 افزایش می­یابد که بیانگر دقت کمتر مدل جدید در تولید چرخه­های قیمتی مشابه قیمت­های حقیقی است. نمودار مربوط به قیمت شبیه­سازی شده با مقدار جدید پارامتر f در مقایسه با قیمت­های واقعی در نمودار (5)‌ ارایه شده است. همانطور که از نمودار مشخص است با افزایش مقدار پارامتر f دامنه نوسانات افزایش یافته است.

 

 

 

 

 

نمودار 5. قیمت­های شبیه­سازی شده    در برابر قیمت­های حقیقی

 

منبع: محاسبات تحقیق

 

به منظور آزمون آماری مبنی بر معنا­دار بودن اثر تغییر پارامتر f بر شکل­گیری حباب سوداگرانه از آمار دیبلد- ماریانو[32] (DM) استفاده شده است.

     مقدار آماره (DM) محاسبه شده برای مدل جدید در مقایسه با مدل پایه برابر 14/3  می‌باشد که در سطح 1درصد نیز معنا­دار می­باشد. بنابراین نسبت f به g در شکل­گیری حباب سوداگرانه اثر معنا­دار دارد. یعنی اگر نسبت کشش قیمتی تقاضای برون­یابانه برای نمودارگراها نسبت به کشش قیمتی تقاضای بنیادگراها بزرگ‌تر از 1 باشد آنگاه وقوع حباب سوداگرانه در بازار اجتناب­ناپذیر است. البته دو نکته در این مورد قابل ذکر است: نخست، نسبت f به g  در شکل­گیری­ حباب سوداگرانه اهمیت دارد یعنی به عنوان مثال اگر این دو پارامتر با هم n برابر شوند اثر معنا­داری در شکل­گیری حباب سوداگرانه ندارند. دوم، در مدل فعلی حتی اگر3/1f= باشد اثر معناداری بر شکل گیری حباب سوداگرانه دارد (1/2DM=) که این موضوع نشان می‌دهد که شکل گیری حباب سوداگرانه در بازار مسکن تهران حساسیت زیادی به نسبت این دو پارامتر دارد.

 

 

4-4-2. بررسی نقش پارامتر h در شکل گیری حباب سوداگرانه

پارامتر h تعیین­کننده سهم نمودارگراها و بنیادگراها از کل تقاضای سوداگرانه می­باشد. اگر  مقدار این پارامتر به صفر میل کند سهم نمودارگراها به یک میل نموده و سهم بنیادگراها به صفر میل خواهد نمود و اگر مقدار این پارامتر به بی‌نهایت میل کند سهم بنیادگراها به یک میل نموده و سهم نمواگراها به صفر میل خواهد نمود. بنابراین بر اساس نظریه، هر چه مقدار این پارامتر کوچک‌تر باشد دامنه حباب سوداگرانه بیشتر خواهد شد. حال به منظور بررسی معنا‌داری این فرضیه مقدار پارامتر h  را که در مدل پایه برابر 9/0 یک بود به عدد 10 تغییر می­دهیم. با اعمال این تغییر مقدار ضریب نابرابری تیل که برای مدل پایه برابر 2041/0 بود به 3052/0 افزایش می­یابد که بیانگر دقت کمتر مدل جدید در تولید چرخه­های قیمتی مشابه قیمت­های حقیقی است. نمودار مربوط به قیمت شبیه­سازی شده با مقدار جدید پارامتر h در مقایسه با قیمت­های واقعی در نمودار (6)‌ ارایه شده است همانطور که نمودار نشان می­دهد با افزایش مقدار h به علت کاهش سهم نمودار­گراها دامنه نوسانات و حباب قیمتی کاهش می‌یابد.

 

 

نمودار6. قیمت­های شبیه­سازی شده   در برابر قیمت­های حقیقی

 

منبع: محاسبات تحقیق

مقدار آماره (DM) محاسبه شده برای مدل جدید در مقایسه با مدل پایه برابر 6/1 می­باشد که در سطح 5% معنا­دار نمی­باشد. اما برای h=20 آماره DM برابر 2/2 می­باشد که در سطح 5% معنا­دار می­باشد. بنابراین مقدار h و در نتیجه سهم نمودار­گراها و بنیاد گراها از تقاضای سوداگرانه در شکل­گیری حباب سوداگرانه مسکن تهران اثر معنا­دار دارد.

5. نتیجه‌گیری

در این تحقیق تلاش شد با استفاده از یک مدل ساده و رهیافت اقتصاد مبتنی بر عامل، نحوه اثرگذاری تقاضای سوداگرانه در شکل­گیری حباب قیمتی مسکن تهران مدل­سازی گردد. بدین منظور تقاضای سوداگرانه به دو گروه تقاضای بنیادگراها (‌ تقاضای تثبیت­کننده)‌ و تقاضای نمودارگراها (‌تقاضای بی­ثبات­کننده)‌ تقسیم شده و نقش این نوع تقاضاها در شکل‌گیری پویایی غیرخطی قیمت مسکن بررسی شد. یافته‌های تحقیق نشان دادند که علت اصلی حباب‌های سوداگرانه در بازار مسکن تهران در دودهه گذشته عبارتند از : نخست کشش قیمتی بالای تقاضای بی­ثبات­کننده نسبت به تقاضای تثبیت کننده. دوم، سهم بالای تقاضای بی‌ثبات­کننده از کل تقاضای سوداگرانه در مقایسه با تقاضای تثبیت­کننده. نتایج تحقیق نشان داد در طی دو دهه گذشته سهم نمودارگراها که تقاضای بی­ثبات­کننده دارند از کل تقاضای سوداگرانه بیش از 90% بوده است. به عبارت دیگر بیش از 90% خریداران مسکن در تهران دارای تقاضای برون­یابانه یا بی­ثبات­کننده می­باشند که منجر به شکل­گیری نوسانات قیمتی شدید در این بازار شده است. معنا­داری آماری اثرگذاری نسبت کشش قیمتی تقاضای نمودارگراها نسبت به تقاضای بنیادگراها و سهم نمودارگراها نسبت به بنیادگراها با استفاده از آماره دیبلد – ماریانو رد نشد.

---

[1]. مسکن از دید کلان و خرد برای سیاستگذاران و خانوارها اهمیت فراوانی دارد. از دید کلان، این بخش  به طور مستقیم و غیرمستقیم (داشتن روابط پسین و پیشین گسترده با سایر بخش‌های اقتصادی) سهم عمده­ای در ارزش افزوده، اشتغال، و رشد اقتصادی کشورها دارد. از منظر خرد نیز، از آنجا که  تامین مسکن یکی از نیازهای اساسی خانوارها بوده، و هزینه‌ی مسکن در بسیاری از کشورها بیش‌ترین سهم را در کل هزینه خانوارها دارد (مخصوصا سهم هزینه مسکن در خانوارهایی که در     دهک‌های پایین درآمدی قرار دارند بسیار بالا است)، تغییر و تحولات در این بخش مستقیما قدرت خرید و سطح رفاه خانوارها را تحت تاثیر قرار می­دهد. 

[2] . Speculative Thinking

[3] . Extrapolative Expectations

[4] . Herd Behavior

[5] . Chartists

[6] . Mean- Reverting Demand

[7] . عواملی که تقاضای برون­یابانه دارند با افزایش قیمت تقاضای خود را افزایش می­دهند زیرا انتظار دارند قیمت مجددا افزایش یافته ‌و می­توانند با فروش مسکن در قیمت بالاتر سود ببرند. اما کسانی­ که تقاضای برگشت به میانگین دارند انتظار دارند قیمت به مقدار بنیادی آن بازگردد. بنابراین با افزایش قیمت نسبت به قیمت بنیادی تقاضای خود را به منظور ممانعت از زیان ناشی از فروش در قیمت پایین­تر  کاهش می­دهند.

[8] .Agent-Based Economics

[9] .Diechi & Westerhoff

[10] .Hommes

[11] .Lebaron

[12] .Bounded Rationality

[13] . Extrapolative

[14] . Mean- Reverting

[15] . Kirman

[16] . Burnside et al

[17] . Fixed point

[18] . Shiller

[19] . Genesove & Mayer         

[20] . loss aversion

[21] . Scheinkman and  Xiong

[22] . Dieci  & Westerhoff

[23] . Piazzesi & Schneider

[24] . cluster Analysis

[25] . optimisties

[26] . Trends

[27] . Cycles

[28] . Hodrick- Prescott Filter

[29] . Blanchard- Quah

[30] . Theil Inequality Coefficient

[31] -  از آنجا که مطالعه ای در کشور به شبیه سازی حباب قیمتی مسکن  نپرداخته است بنابراین اخذ مقادیر اولیه متغیرها از مطالعه داخلی امکان‌پذیر نبود. لذا، برای تعیین مقادیر اولیه پارامترهای مدل از مطالعه دی یچی و وسترهف (2012) ‌استفاده شده است. باید به این نکته نیز توجه داشت که این شبیه سازی یک شبیه سازی آزمایشگاهی (experimental) بوده و  شبیه سازی تجربی (empirical)  نیست، لذا می توان مقادیر اولیه پارامترها را تعیین نموده و در طی شبیه سازی مقادیر منطقی آنها را با استفاده از مقادیر شبیه سازی شده و داده‌های حقیقی به دست آورد.

[32].Diebold-Mariano

مراجع

 منابع  

 -‌ خلیلی عراقی، منصور، مهرآرا، محسن، عظیمی، سیدرضا (1391). بررسی عوامل موثر بر قیمت مسکن در ایران با استفاده از داده­های ترکیبی. فصلنامه پژوهشها و سیاستهای اقتصادی، (63) : 50-33.

- عاشری، مصطفی (1388). تبیین حباب قیمتی مسکن تهران. پایان­نامه کارشناسی ارشد، دانشگاه بوعلی­سینای همدان.

-‌ قلی­زاده، علی­اکبر، بهناز کمیاب (1387). بررسی اثر سیاست پولی بر حباب قیمت مسکن در دوره‌های رونق و رکود در ایران. اقتصاد مقداری، (18).

-  Burnside, C., & Eichenbaum, M., & Rebelo, S. (2011). Understanding booms and busts in housing markets, NBER Working Paper, No. 16734.

- Dieci, R., & Westerhoff, F. (2012). A simple model of a speculative housing market. Journal of Evolutionry Economics, 22: 303–329

- Genesove, D., & Mayer, C. (2001). Loss aversion and seller behavior: Evidence from the housing market. NBER Working Paper No. 8143

- Hodrick, R., & Prescott E.C. (1980). Post-war U.S. business cycles: An empirical investigation. Discussion Paper at Northwestern University and Carnegie-Mellon University.

- Hommes, H.C (2006). Heterogeneous agent models in economics and finance. Handbook of computational economics, Volume 2. Edited by Leigh Tesfatsion and Kenneth L. Judd, Elsevier B.V.

- Kirman, A. (1993). Ants, rationality, and recruitment. Qouarterly Journal Economics, 108:137–156

- LeBaron, B. (2006). Agent-based computational finance. In: Tesfatsion L, Judd K (Eds) Handbook of computational economics: Agent-based computational economics, vol 2. North-Holland, Amsterdam: 1187–1233.

- Piazzesi, M., & Schneider, M. (2009). Momentum traders in the housing market: Survey evidence and a search model. American Economic Review, 99 (2): 406.411.

- Scheinkman, J A., & Xiong, W. (2003). Overconfidence and Speculative Bubbles. Journal of Political Economy, 111 (6, Dec.), 1183.1219.

- Shiller, Robert. J. (2008). Understanding recent trends in house prices and homeownership in housing. Housing finance and monetary policy, Jackson Hole Conference Series, Federal Reserve Bank of Kansas City, 2008: 85-123.