货币政策对REIT收益的影响:海外REITs发展及案例研究

发布于 2021-09-11 12:06

投资要点

⚫  REITs 于1960年起源于美国不动产市场，随后拓展至不同行业和不同国家及地区，美国作为REITs的起源地，相关领域研究水平高、角度新颖，各方面都值得我国借鉴。

⚫ 推荐理由：根据先前的一些研究以及REITs的部分特性可以知道 REITs与其基础资产的关联度远高于其和股票以及其他形式的不动产证券的关联度，这就意味着REITs对货币政策变化的反应可能与有关股票市场的一般数据不同。因此，透彻地分析货币政策对资产价格特别是对REIT动态的影响是至关重要的。本文献通过提出一个马尔科夫转换规范（Markov-switching framework）:把多个货币变量纳入研究范围；评估货币政策对REIT市场可能的非线性影响；以及评估其对市场兴衰的发生所产生的可能影响。我们认为本文对市场具有重要的参考意义。
⚫ 推荐文献主要研究成果：本文估计1987年至2011年英国季度变量的两个马尔可夫转换规范模型来研究英国中央银行在影响近期不动产市场的繁荣和萧条以及随之而来的衰退中的作用，结果表明1）货币政策对REIT的回报具有非线性影响；2）萧条市场的货币效应影响高于繁荣市场；3）宏观经济变量对繁荣和萧条市场的发生有影响。4）股票与住房市场的作用一样，REIT市场似乎确实在货币政策传导过程中发挥了作用。

风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在宏观政策、市场环境发生变化时模型存在失效的风险

报告正文

货币政策对REIT收益的影响：来自英国的证据
 
文献来源：
Ibrahim Fatnassi, Chaouachi Slim, Zied Ftiti, Abderrazek Ben Maatoug - Research in International Business and Finance (2014)
 
推荐理由：根据先前的一些研究以及REITs的部分特性可以知道REITs与其基础资产的关联度远高于其和股票以及其他形式的不动产证券的关联度，这就意味着REITs对货币政策变化的反应可能与有关股票市场的一般数据不同。因此，透彻地分析货币政策对资产价格特别是对REIT动态的影响是至关重要的。本文献通过提出一个马尔科夫转换规范（Markov-switching framework）:把多个货币变量纳入研究范围；评估货币政策对REIT市场可能的非线性影响；以及评估其对市场兴衰的发生所产生的可能影响。因此，本文具有重要的参考意义。

1. 引言
 
REIT市场是一个独特的市场;它一方面具有广阔的不动产市场的特点，另一方面又具有公开的股票市场的特点。事实上，Chen et al. (1998)以及金融文献表明，与普通普通股相比，“REITs可能具有明显的风险回报特征”。此外，Chandrashekaran(1999)得出结论，“REIT股票可能在动态资产配置策略中发挥重要作用”。研究REIT市场所根据的理论基础可以解释其市值在近几十年的快速增长。例如，以美国为例，根据全国不动产投资信托协会(NAREIT)的数据，1991年权益型REIT部分的总市值为8.785亿美元。到2005年底，这一数字增加到超过3000亿，而权益型REITs的数量从860亿增加到1520亿。此外，这可以用它们与主流股票相比所具有的独特结构来解释。以美国为例，要求至少REIT资产的75%投资于不动产，应税收入的90%作为股息支付，这可能导致REIT和股票价格对货币政策变化的反应不同。
 
REITs最重要的特点之一就是对新闻的快速反应。根据Rigobon和Sack(2004)以及Bernanke和Kuttner(2005)的研究，资产价格，特别是REITs，对货币政策的宣布反应迅速。这些反应不仅被认为是干扰的来源，还被认为是冲击传播的来源(Mishkin, 2007)。三个渠道模拟了货币政策对一般股票市场的影响。第一，对公司预期股息分红水平的影响。其次，用于贴现这些股息的实际利率的任何相关变化。第三，股权风险溢价的变化。鉴于REITs的特点和潜在的私人不动产市场，这些联系的一些方面可能在交易不动产领域的背景下具有额外的重要性。因此，货币政策的变化会影响总体经济活动，从而导致基础[HZ1] 不动产市场的职业需求。这反过来又会影响REITs从基础投资组合中获得的租金，从而直接影响公司的股息支付。因此，货币政策的变化也会影响相关投资组合的价值。考虑到空间和资本市场之间的联系，它影响到基础投资组合价值的上限税率，而且这种影响是除租金影响变化对财产价值的影响之外的(Fisher, 1992)。这些影响意味着，REITs与其基础资产的关联度远高于其和股票以及其他形式的不动产证券的关联度，这意味着REITs对货币政策变化的反应可能与有关股票市场的一般证据不同。
因此，中央银行透彻地分析货币政策对资产价格特别是REIT动态的影响是至关重要的。然而，现有文献主要通过两种方式来评估这种影响。首先，文献仅通过利率的影响来研究货币政策对REITs的影响。第二，文献通过REITs与通货膨胀的关系来评估货币政策对REITs的影响。人们之所以对这种关系感兴趣，部分原因是人们认为不动产具有对冲通胀的能力，这常常被用来证明其被纳入有效的混合资产投资组合的合理性。关于REITs对冲通胀能力的实证研究产生了不同的结果(bruegeman等人1984；Ibbotson和Siegel 1984年；Rubens等人1989)。其他一些研究试图通过参考分析股票市场和宏观经济因素之间关系的文献来检验货币政策变量和REIT市场之间的关系。
 
 
本文的其余部分组织如下。第二节讨论相关文献。第三部分是我们的实证分析。第四部分进行了分析和讨论。第五节提供了一些结束语。

2. 文献综述
许多研究人员试图确定货币政策对不动产市场的总体影响，特别是REITs市场。这类文献可被分为两大类。第一部分基于REITs对利率的敏感性分析了货币政策对REIT市场的影响。第二部分分析了基于通货膨胀的关系，因为不动产的通货膨胀对冲能力经常被用来证明其被纳入有效的混合资产投资组合的合理性。
 
第一组文献评估了货币政策对股票市场的总体影响。在这类研究中，货币政策与股票市场的关系往往是通过利率来分析的。从股票市场与货币政策这一关系，利率对REIT市场的影响得以被推导。通过分析货币政策对股票市场的影响，我们可以区分货币政策的意外成分和预期成分。Bredin等人(2007)表明，意外的货币政策对英国股市有显著影响，而预期的货币政策则没有。Bernanke和Kuttner(2005)提供的证据表明，意外和预期的货币政策行动都会影响股票收益，且前者的幅度大于后者。Amihud和Hurvich(2004)探讨了REIT回报是否以及如何对货币政策行动作出反应。Amihud and Hurvich(2004)为了同时分析货币政策的预期效应和意外效应，用前一时期的联邦基金利率(FFR)来代表预期的货币政策，用FFR的创新来代表意外的货币政策。此外，由于FFR动态类似于近单位根过程，因此采用了Lewellen(2004)开发的另一种偏差调整程序，以缓解近非平稳过程对参数估计的影响。Lizieri等人(1998)通过TAR模型研究了实际利率对英国和美国不动产市场的不动产绩效的影响，得出结论:利率反映了两国的不动产绩效。Chen等人(1998)通过跨期资本资产定价模型展示了REITs对短期和长期利率的敏感性(Merton, 1976)。He等人(2003)检验了股权REITs的收益率是否对不同的利率敏感。他们表明，只有债券收益率的变化对股权REITs的收益有显著影响。
 
第二组文献通过通货膨胀率分析货币政策对REIT市场的影响。这些研究报告称，持有不动产至少可以部分对冲任何预期或意外的通胀因素。此外，如果将不动产包括在内，混合资产投资组合的套对冲有效性将得到提高。通货膨胀率和房地产回报之间的正关系的证据在检验房地产直接(非证券化)持有的研究中得到了略微的证实(bruegeman等人1984和Ibbotson和Siegel 1984)。然而，这些结论受到了后来研究的质疑，这些研究将不动产的通胀对冲有效性归因于以评估为基础的数据中固有的“平滑偏差”。Gyourko和Linneman(1988)和Chen等人(1998)区分了预期通胀和意外通胀，并发现尽管REIT提供了一些针对预期通胀的保护，但REIT回报和意外通胀之间似乎存在一种负(和反常)关系。Glascock等人(2002)对REIT回报、通货膨胀、实际活动和其他货币政策变量之间因果关系进行了检验。他们表明，观察到的REITs和通货膨胀之间的负相关关系是虚假的，一旦具体考虑到货币政策对各自变量的影响，就可以得到解释。他们认为，更高的通货膨胀导致更高的利率，而这反过来又导致REITs回报率的降低。利用由矢量误差修正模型推导出的脉冲响应函数，他们表明，对通货膨胀的正冲击会产生REIT回报的增加，滞后约1个月。McCue和Kling(1994)分析了货币政策对美国证券化市场的影响。通过使用向量自回归(VAR)对过滤后的REITs进行建模，表明不动产价格变化中的60%是由宏观经济解释的。因此，名义短期利率变量解释了大部分不动产价格的变动，投资变量在较小程度上解释了不动产市场的变化。Brooks和Tsolacos(2001) 使用VAR模型对过滤后的不动产回报、不动产回报序列和一系列经济和金融因素，以证明英国不动产市场受到意外通胀和利率期限利差的影响。最近，Bredin等人(2011)使用结构性VAR来检验由期货市场代理的货币政策意外成分的影响。他们显示，REITs对利率意外的反应是负面的，证实了不动产对货币政策的敏感性。
 
Ewing和Payne(2005)利用VAR模型的广义脉冲响应来评估美国股权REITs总回报中四个宏观经济变量(货币政策、实际产出、违约风险溢价和通胀)的意外变化幅度和持久性。他们发现，经济增长、通货膨胀和货币政策中的冲击会导致REITs预期收益的下降。然而，REITs的意外违约风险溢价与未来REITs回报呈正相关。
 
此外，Hoesli等人(2008)将VECM应用于英国和美国的一般股权和小市值股票回报，以观察它们与一系列宏观经济变量的相互作用，重点是不动产作为通胀对冲的作用。他们发现，当实际变量和货币变量都包括在内时，资产回报在长期内与预期的通胀呈正相关，而与意想不到的通胀冲击无关。他们进一步指出，结果可能是由评估效应驱动的，尤其是在英国市场。

3. 实证方法
在本节中，我们提出了检验货币政策非线性效应的方法。首先提出了我们的规范，建造模型，即货币政策在繁荣和萧条状态对REITs动态的影响。然后，我们介绍了一些方法，通过这些方法可以检验货币政策对REIT回报的制度依赖效应。
 
在分析非线性效应之前，我们的第一步是确定REIT回报是否经历繁荣和萧条的动态。我们首先根据固定的转移概率估计一个简单的马尔可夫转换模型（Markov-switching model）。如果我们的数据支持非线性的REIT动态规范，我们的第二步是研究货币政策对繁荣和萧条制度的出现所产生的影响。
 3.1固定转移概率实证方法

 3.1固定转移概率
我们用于检验REIT收益经历繁荣和萧条状态的公式如下:
显然，包括截距、斜率和方差项在内的回归系数均不是常数，而是取决于状态变量                                               ，这是一个有两种可能状态的潜在变量，和2(萧条和繁荣)，以及次贷危机时期的虚拟变量。
 
为了描述REIT市场行为，我们选择了马尔可夫状态转换模型（Markov regime-switching model），该模型可以用一个混合正态分布来描述REIT收益变化的条件分布。它最初由Hamilton(1989)提出，后来由Engel(1994)和Dewachter(2001)进一步发展。在马尔可夫转换模型（Markov-switching model,）中，REIT收益动态由一个未观测到的状态变量或潜在变量 ( = 1或 = 2)控制。指标体系[HZ1] 作为一阶马尔可夫过程被参数化，并由一阶转移概率驱动。在两种状态下(繁荣和萧条)，这些转移概率可以表示为:


这些概率是不随时间变化的。上述设定称为固定转移概率(FTP)规范。在这种规范里，p是留在体系1中的概率，q是留在体系2中的概率。这些转移概率描述了市场状况如何在连续的时期内保持在同一体系。对于即将扩展到时变转移概率(TVTP)的情况，我们假设转移概率是按照逻辑函数演化的:

如果参数 π0，1 和π0，2都取零值，p和q等于0.5。换句话说，留在该状态中的概率等于离开该状态的概率。


3.2时变转移概率
为了检验货币政策对繁荣和萧条状态发生的影响，我们提出了一个时变的马尔可夫转换模型（Markov-switching model），允许TVTP。在此规范下，货币政策的组成部分不仅从回报动态的角度影响REIT市场，而且从市场兴衰发生的可能性的角度影响REIT市场。
我们考虑TVTP，正如Filardo(1994)和Diebold等人(1994)所做的。我们允许货币政策制定者的决定影响繁荣与萧条之间的转换。

事实上，REIT回报的动态取决于之前的状态(繁荣或萧条)。最近的状态性质通过利率对REIT动态产生影响(公式(1))。例如，繁荣状态（t - 1)的货币政策使得货币政策决定者所做出的决定与萧条状态的货币政策不同。

与Agnello和Schuknecht(2011)所展现的一致的是，国内货币政策对繁荣和萧条发生的概率有很强的影响。他们说:“利率的下降和国内信贷增长率的增加大大增加了繁荣的可能性。正如预期的那样，同样的一组变量对萧条发生的概率有相反的影响”。换句话说，货币政策制定者可以降低利率或其他宏观经济变量，以增加繁荣时期或相反。

延长方程式。(4)和(5)，繁荣-萧条模型可以被写成:


从繁荣状态转换到萧条状态的概率由（1-p）给出，而从萧条状态切换到繁荣状态的概率由（1-q）来衡量。马尔可夫转换估计依赖于对数似然的最大化，由以每个状态为条件的对数似然值的总和计算得出：
4. 实证结果
4.1 数据
不动产绩效指标有不同的类型。我们选择了具有较高频率优势的REITs指数，它是基于交易的指数。从DataStream数据库中提取REIT数据。REIT的回报如下:
以前的文献已经证实了通货膨胀的重要性和意义、货币供应量M3和产出缺口作为REIT动态的基础和解释变量(Brooks and Tsolacos, 2001;Hoesli and MacGregor, 2000; Schtz and Sebastian, 2009; Bjornland and Jacobsen, 2010; Naranjo and Ling, 1997; McCue and Kling, 1994; Bredin et al., 2011; Baffoe-Bonnie, 1998)。
英国实行通货膨胀目标制。这一制度是通过把利率与通货膨胀和就业联系起来的泰勒规则来管理的。换句话说，通货膨胀和产出缺口影响货币政策的决策。此外，货币供应量M3可以被视为货币政策决策的代理指标。此外，产出缺口是用GDP与其序列之间的差异来衡量的。
 
我们使用3个月LIBOR，作为短期利率，消费价格指数(CPI)，货币供应量M3和产出缺口。我们对货币供应量M3的对数进行微分。通货膨胀率由下式求得。
以前的文献已经证实了通货膨胀的重要性和意义、货币供应量M3和产出缺口作为REIT动态的基础和解释变量(Brooks and Tsolacos, 2001;Hoesli and MacGregor, 2000; Schtz and Sebastian, 2009; Bjornland and Jacobsen, 2010; Naranjo and Ling, 1997; McCue and Kling, 1994; Bredin et al., 2011; Baffoe-Bonnie, 1998)。

英国实行通货膨胀目标制。这一制度是通过把利率与通货膨胀和就业联系起来的泰勒规则来管理的。换句话说，通货膨胀和产出缺口影响货币政策的决策。此外，货币供应量M3可以被视为货币政策决策的代理指标。此外，产出缺口是用GDP与其序列之间的差异来衡量的。

我们使用3个月LIBOR，作为短期利率，消费价格指数(CPI)，货币供应量M3和产出缺口。我们对货币供应量M3的对数进行微分。通货膨胀率由下式求得。

在我们的研究中，我们使用了从1987年第一季度到2011年第三季度的真实季度数据。所有变量都取自DataStream数据库。

图1总结了我们所选变量的描述性统计。从这个表中，我们观察到REITs回报的高波动性。图1为REIT指数的演变过程。图2让我们对REITs的回报动态产生怀疑。

4.2 估计
4.2.1 设定检验：线性与非线性
在对我们与非线性规范的关系建模之前的第一步是测试我们的数据是否支持非线性。对先前使用马尔可夫转换模型研究货币对 REIT 动态影响的工作的最重要批评之一是缺乏规范或非线性测试。实际上，针对马尔可夫转换模型测试线性是复杂的，因为不满足似然推断的一些必要的规律性条件。在线性的零假设下，似然函数对于最优值的扰动参数是非二次且平坦的，并且分数相同为零。因此，相关检验统计量的渐近分布不具备标准的 X*2 分布。Hansen (1992, 1996) 和 (Garcia, 1995) 研究了sup型似然比检验 (LRT) 的渐近分布。Carrasco等人(2013)在马尔可夫转换模型中提出了一种新的参数稳定性检验，它需要在零假设下对模型进行估计。Otranto 和 Gallo (2002) 提出了一种非参数贝叶斯方法，这是一种不基于经典测试理论的替代方法。

在本研究中，我们选择了Hansen检验 (Hansen, 1992, 1996)。Hansen提出了一种假设检验理论，该理论给出了LRT 统计数据的界限。Hansen检验需要在一个由不同的转移概率值和每个状态相关参数组成的网格中评估似然函数。该测试涉及在三维网格上进行大规模模拟和优化。Hansen检验，如表2所示，为我们的数据提供了支持双态转换的有力证据。
4.2.2 REITs的FTP模型
在我们进行非线性效应分析之前，我们需要首先检查REIT的回报是否经历了繁荣和萧条的状态。我们通过估计一个基于固定转移概率的简单马尔可夫转换模型开始我们的分析，如第3.1节所定义。表3给出了一个简单的马尔可夫转换模型的估计结果。我们通过使用Eviews 8.0的拟极大似然估计。我们使用Broyden-Fletcher-Goldfarb-Shanno算法获得估计参数；报告的p-value基于异方差一致的标准误差(White, 1982)。

从表3中，我们注意到繁荣和萧条制度的估计参数是重要的。对于状态1，参数α1= -7.41，对于状态2，参数α2= 5.24。这一结果有力地证实了REIT动态的非线性规范。
 
就均值和方差估计而言，制度1与具有负均值(-7.41)和高波动性(6.82)的萧条市场相关联。然而，状态2与具有正均值(5.34)和低波动性(2.20)的繁荣状态相关。表3给出了关于这两种机制的转移概率的信息。它们绘制在图1中。对于状态1，转换概率为0.797，对于状态2，它是0.949。这些转变概率表明这些制度的高度持久性。

萧条状态下的无条件概率1为(0.8)；这低于分配给繁荣时期的值(0.2)。第一种状态（萧条状态）的方差大约是第二种状态（繁荣状态）的方差的三倍。这一结果表明，萧条时期比繁荣时期风险更大。
 
利率的估计值（作为货币政策工具）具有显著意义。萧条时期为-3.38，繁荣时期为-0.86，表明萧条市场货币政策效应的强度约为繁荣市场的4倍。结果支持Chang (2011) 和 Chen (2007) 的发现（图 3）。

4.2.3 REITs的TVTP模型
上述马尔可夫转换模型对固定转移概率有很强的限制。为了解决这个限制，我们提出了一个马尔可夫转换模型，它允许转换概率的时变规范（在第3.2节中介绍）。该规范允许我们考虑所选变量（M3、通货膨胀和产出缺口）对繁荣和萧条市场发生的作用。
 
(Filardo, 1994)的TVTPs在方程(6)和(7)中给出。根据这些等式，我们通过参数πi,1和πi,2确定了两种状态（繁荣和萧条）下的货币政策效果。
 
FTP和TVTP规范的萧条和繁荣市场的日期分别列在表4的第1列和第2列中。TVTP规范的平滑概率绘制在图4中，在大多数情况下带有时间路径，类似于在 FTP规范中观察到的。如第3.2节所述，货币政策环境应该一方面影响REIT回报，另一方面影响市场繁荣和萧条的可能性。
 
表5给出了在上述假设下对两种状态（繁荣-萧条）的估计参数。这些参数在两种状态之间显示出不同的符号和大小。因此，我们必须检验这些差异是否具有统计学意义，从而检验我们的上述假设。为此，我们采用似然比检验。表5在最后一行显示了LRT的结果，该结果是有意义的，货币政策不影响REIT回报的假设和出现繁荣和萧条的可能性的假设都是被拒绝的。
从表5中，我们注意到状态1对应于萧条时期，状态2对应于繁荣时期。状态1的状态方差为5.89，状态2的状态方差为2.14。
 
表5显示了REIT回报对萧条体制下的货币冲击的反应比体制更积极。
 
有意义的负参数π1,21= −4.13表明，由于上一期通货膨胀的增加，留在萧条状态的概率降低。
 
换言之，当通胀上升时，市场由萧条转为繁荣的可能性较高。这一结果可以用财富渠道传导机制来解释（Mishkin，2007）。然而，该参数在繁荣时期具有相同的符号，但具有较低的幅度π1,2 = -0.25。保持繁荣状态的可能性随着通货膨胀的增加而下降，并且低于萧条状态。因此，与繁荣时期相比，REIT在萧条时期对通胀冲击更为敏感。
 
参数π2 ，它在繁荣状态下具有正的统计显着性值 (2.98)。然而，它在萧条状态中没有统计学意义。这些结果表明，货币供应量的增加提高了保持繁荣状态的机会。因此，扩张性货币政策（增加货币供应量）增加了留在繁荣市场的可能性。

然而，同样的冲击在萧条市场的情况下没有任何影响。这一结果可以用住房支出渠道来解释（Bouchouicha 和 Ftiti，2012）。
 
参数πa在每个状态下具有不同的符号。在萧条状态下，该参数具有显着的负值 (πa,1= −5.89)。然而，在繁荣状态下，该参数具有正值 (= 2.14)。因此，正的产出缺口增加了进入繁荣市场的可能性。这个结果可以用财富渠道（wealth channel）来解释。
货币政策的显着效应表明有效REIT市场假说不存在，这支持了Darrat等人的发现(1998)。此外，我们证实了先前的发现（Chang，2011；Chen，2007），即紧缩货币政策冲击的有害影响在萧条市场比繁荣市场更大。
 

5. 结论
在本文中，我们估计了1987年至2011年英国季度变量的两个马尔可夫转换规范模型。我们使用估计模型来研究英国中央银行在影响近期不动产市场的繁荣和萧条以及随之而来的衰退中的作用。结果表明(i)货币政策对REIT的回报具有非线性影响；(ii)萧条市场的货币效应影响高于繁荣市场，以及(iii)宏观经济变量对繁荣和萧条市场的发生有影响。

最后，与股票和住房市场的作用一样，REIT市场似乎确实在货币政策传导过程中发挥了作用。这些发现为英格兰银行提供重要的政策启示。
 
风险提示：文献中的结果均由相应作者通过历史数据统计、建模和测算完成，在宏观政策、市场环境发生变化时模型存在失效的风险。
参考文献
1. Agnello, L., Schuknecht, L., 2011. Booms and busts in housing markets: determinants and implications. Journal of Housing Economics 20 (3), 171–190.
2. Amihud, Y., Hurvich, C.M., 2004. Predictive regressions: a reduced-bias estimation method. Journal of Financial and Quantitative Analysis 39 (04), 813–841.
3. Baffoe-Bonnie, J., 1998. The dynamic impact of macroeconomic aggregates on housing prices and stock of houses: a national and regional analysis. Journal of Real Estate Finance and Economics 17, 179–197.
4.  Baker, G., Camfield, C., Camfield, P., Cramer, J., Elger, C., Johnson, A., Martins da Silva, A., Meinardi, P., Munari, C., Perucca, E., et al., 1998. Commission on outcome measurement in epilepsy, 1994–1997: final report. Epilepsia 39 (2), 213–231.
5. Bernanke, B.S., Kuttner, K.N., 2005. What explains the stock market’s reaction to federal reserve policy? Journal of Finance 60 (3), 1221–1257.
6. Bjørnland, H., Jacobsen, D., 2010. The role of house prices in the monetary policy transmission mechanism in small open economies. Journal of Financial Stability 6 (4), 218–229.
7. Bouchouicha, R., Ftiti, Z., 2012. Real estate markets and the macroeconomy: a dynamic coherence framework. Economic Mod- elling 29 (5), 1820–1829.
8. Bredin, D., Hyde, S., Nitzsche, D., O’reilly, G., 2007. UK stock returns and the impact of domestic monetary policy shocks. Journal of Business Finance & Accounting 34 (5-6), 872–888.
9. Bredin, D., O’Reilly, G., Stevenson, S., 2011. Monetary policy transmission and real estate investment trusts. International Journal of Finance & Economics 16 (1), 92–102.
10. Brooks, C., Tsolacos, S., 2001. The impact of economic and financial factors on UK property performance. Journal of Property Research 16 (2), 139–152.
11. Brueggeman, W.B., Chen, A.H., Thibodeau, T.G., 1984. Real estate investment funds: performance and portfolio considerations. Real Estate Economics 12 (3), 333–354.
12. Carrasco, M., Hu, L., Ploberger, W., 2013. Optimal Test for Markov Switching Parameters. Manuscript, University of Montreal, Canada.
13. Chandrashekaran, V., 1999. Time-series properties and diversification benefits of REIT returns. Journal of Real Estate Research 17 (1), 91–112.
14. Chang, K.L., 2011. The nonlinear effects of expected and unexpected components of monetary policy on the dynamics of REIT returns. Economic Modelling 28, 911–920.
15. Chen, N.-F., Roll, R., Ross, S.A., 1986. Economic forces and the stock market. Journal of Business, 383–403.
16. Chen, S.-J., Hsieh, C., Vines, T.W., Chiou, S.-N., 1998. Macroeconomic variables, firm-specific variables and returns to REITs. Journal of Real Estate Research 16 (3), 269–278.
17. Chen, S.S., 2007. Does monetary policy have asymmetric effects on stock returns? Journal of Money, Credit and Banking 39, 667–688.
18. Darrat, A.F., Dickens, R.N., Glascock, J.L., 1998. Mortgage loan rates and deposit costs: are they reliably linked? Journal of Real Estate Finance and Economics 16 (1), 27–42.
19. Dewachter, H., 2001. Can Markov switching models replicate chartist profits in the foreign exchange market? Journal of International Money and Finance 20 (February), 25–41.
20. Diebold, F., Lee, J.-H., Weinbach, G., 1994. Regime switching with time-varying transition probabilities. In: Nonstationary Time Series Analysis and Cointegration, c.p, hargreaver Edition. Oxford University Press, Oxford and New York.
21. Engel, C., 1994. Can the Markov switching model forecast exchange rates? NBER Working Papers 4210. National Bureau of Economic Research, Inc.
22. Ewing, B., Payne, J., 2005. The response of real estate investment trust returns to macroeconomic shocks. Journal of Business Research 58 (3), 293–300.
23. Filardo, A.J., 1994. Business-cycle phases and their transitional dynamics. Journal of Business & Economic Statistics 12 (3), 299–308.
24. Fisher, J.D., 1992. Integrating research on markets for space and capital. Real Estate Economics 20 (2), 161–180.
25. Garcia, R., 1995. Asymptotic null distribution of the likelihood ratio test in Markov switching models. CIRANO Working Papers 95s-07. CIRANO.
26. Glascock, J.L., Lu, C., So, R.W., 2002. REIT returns and inflation: perverse or reverse causality effects? Journal of Real Estate Finance and Economics 24 (3), 301–317.
27. Gyourko, J., Linneman, P., 1988. Owner-occupied homes, income-producing properties, and REITs as inflation hedges: empirical findings. Journal of Real Estate Finance and Economics 1 (4), 347–372.
28. Hamilton, J.D., 1989. A new approach to the economic analysis of nonstationary time series and the business cycle. Econometrica 57 (2 March), 357–384.
29.  Hansen, B.E., 1992. The likelihood ratio test under non-standard conditions: testing the Markov-switching model of GNP. Journal of Applied Econometrics 7, 61–82.
30. Hansen, B.E., 1996. Inference when a nuisance parameter is not identified under the null hypothesis. Econometrica 64, 413–430.
31. He, L.T., Webb, J.R., Myer, F.N., 2003. Interest rate sensitivities of REIT returns. International Real Estate Review 6 (1), 1–21.
32.  Hoesli, M., Lizieri, C., MacGregor, B., 2008. The inflation hedging characteristics of US and UK investments: a multi-factor error correction approach. Journal of Real Estate Finance and Economics 36 (2), 183–206.
33. Hoesli, M., MacGregor, B., 2000. Property investment: principles and practice of portfolio management. Pearson Education.
34. Iacoviello, M., Neri, S., 2010. Housing market spillovers: evidence from an estimated DSGE model. American Economic Journal: Macroeconomics 2 (2), 125–164.
35. Ibbotson, R.G., Siegel, L.B., 1984. Real estate returns: a comparison with other investments. Real Estate Economics 12 (3), 219–242.
36. Lewellen, J., 2004. Predicting returns with financial ratios. Journal of Financial Economics 74 (2), 209–235.
37. Lizieri, C., Satchell, S., Worzala, E., Dacco’, R., 1998. Real interest regimes and real estate performance: a comparison of UK and US markets. Journal of Real Estate Research 16 (3), 339–356.
38.  McCue, T.E., Kling, J.L., 1994. Real estate returns and the macroeconomy: some empirical evidence from real estate investment trust data, 1972–1991. Journal of Real Estate Research 9 (3), 277–287.
39. Merton, R.C., 1976. Option pricing when underlying stock returns are discontinuous. Journal of Financial Economics 3 (1), 125–144.
40. Mishkin, F.S., 2007. Housing and the monetary transmission mechanism. NBER Working Papers 13518. National Bureau of Economic Research, Inc.
41. Naranjo, A., Ling, D.C., 1997. Economic risk factors and commercial real estate returns. Journal of Real Estate Finance and Economics 14 (3), 283–307.
42. Otranto, E., Gallo, G.M., 2002. A nonparametric Bayesian approach to detect the number of regimes in Markov switching models. Econometric Reviews 21 (4), 477–496.
43.  Reinhart, C.M., Rogoff, K.S., 2008. Is the 2007 U.S. sub-prime financial crisis so different? an international historical comparison. Working Paper 13761. National Bureau of Economic Research.
44.  Rigobon, R., Sack, B., 2004. The impact of monetary policy on asset prices. Journal of Monetary Economics 51 (8), 1553–1575.
45. Rubens, J.H., Bond, M.T., Webb, J.R., 1989. The inflation-hedging effectiveness of real estate. Journal of Real Estate Research 4(2), 45–55.
46. Schtz, A., Sebastian, S., 2009. The links between property and the economy – evidence from the British and German markets. Journal of Property Research 26 (2), 171–191.
47. White, H., 1982. Maximum likelihood estimation of misspecified models. Econometrica 50 (1), 1–25.

近期阅读：

▷市场动态 | 国内首单卖断型PPP类REITs产品成功发行

▷信托公司开展公募REITs业务的机会分析

▷发改委：积极引导地方通过REITs方式盘活水利工程存量资产

▷银保监会：推动保险资金支持长租市场发展，会同人民银行推进不动产投资信托基金（REITs）试点

▷REITs面市三个月：生态环保项目有惊喜 多数投资者成“长跑者”

▷基础设施公募REITs各环节涉税分析：运营及退出



—  关于我们  —

     

   责编：林芫如

   视觉：刘嘉域

   监制：张超 邱秀峰

本文来自网络或网友投稿，如有侵犯您的权益，请发邮件至：aisoutu@outlook.com 我们将第一时间删除。

相关素材

叠放的金币矢量素材
叠放的金币矢量素材
飘落的钞票和拿着钱袋跳跃的商务人士矢量素材
飘落的钞票和拿着钱袋跳跃的商务人士矢量素材
码放整齐的金条矢量素材
码放整齐的金条矢量素材