【科普專欄】房市變化不是用臆測的：一套模型揭開台灣房價泡沫真相

房市的景氣循環與一國的金融穩定息息相關。過度的房價波動，無論是短期暴漲或崩跌，都可能對總體經濟造成災難性的干擾，2007年美國次級房貸風暴引發全球金融危機即是著名的歷史教訓。近年來，台灣在全球充裕熱錢外溢與低利率環境下，房價與股價屢創新高。然而，面對家戶所得成長追不上房價、長期出生率下降，以及總人口數自2020年開始減少等長期支撐因素弱化，台灣房市是否隱藏著偏離基本面的「虛胖泡沫」，以及系統性暴跌的「下行風險」？為量化評估潛在危機，陳明吉與蔡怡純兩位教授建構了一套台灣房價風險量化評估模型，為房市進行了一場嚴謹的科學檢驗。

要釐清房價是正常上漲還是虛胖，首要任務是檢視價格有無偏離由租金或所得決定的基本價值。為克服傳統單根檢定無法準確捕捉週期性泡沫的限制，研究採用了SADF 與GSADF檢定。這類動態遞迴檢定能藉由不斷移動樣本區間找出最小上界，立即且精準地偵測出歷史序列中「多個泡沫」的形成與破滅時點。透過這項技術檢視資料期間較長的台北市預售屋價格，研究捕捉到了1970到2000年間的房市波動：實證發現1988年至1990年間台灣存在著顯著的房價泡沫，而在更早期的1974 年與1980年也幾乎瀕臨泡沫邊緣。不僅如此，近期的數據也揭露全台在2005年至2015年間經歷了長達十年的泡沫期。搭配克服跨縣市相依性偏誤的IPS單根檢定，更證實台灣房價所得比自2002 年後便長期處於泡沫階段，家戶住宅負擔能力長期過重。

究竟是什麼點燃了市場的泡沫與波動？由於資產價格常伴隨「波動聚集」與肥尾現象，研究運用單變量GARCH模型 捕捉隨時間變化的條件波動度，避免低估尾部最大可能損失。估值得出在最差 1% 極端機率下，台灣單季房價的最大修正跌幅風險約在10%左右。為進一步衡量房價與信用、貨幣及資本市場之間的互動，研究引入可聯合估計平均數與變異數的雙變量VAR-MGARCH 模型，並搭配BEKK檢定檢視條件波動的相關性，清楚印證了總體經濟變數與房價之間的風險外溢與相互傳遞。而在探究影響泡沫生成的驅動因子時，適用于虛擬應變數的Probit模型 實證發現，除了銀行建築與房貸放款、利率水平之外，「失業率」對房價泡沫有顯著的負向影響。這表示當失業率降低、景氣繁榮時，市場反而更容易滋生投機炒作的成分，提醒政府在經濟擴張期須對房市熱度抱持高度警覺。

當房市面臨回檔，決定下跌幅度的關鍵又是什麼？研究使用能觀察低百分位邊際效果的分量迴歸模型(最低25%分量)分析一般市場大幅下跌的成因，發現其主要受到銀行放款、貨幣供給、匯率與股價等金融與資本市場變數牽引。然而，為了進行更嚴格的「壓力測試」，預測最差1%的極端災難，研究參考國際貨幣基金組織(IMF)做法，建構了量化極端尾部下行風險的房價風險值(HaR)與經濟成長率風險值(GaR)。實證顯示了一項發人深省的規律：日常的市場回檔受金融局勢牽引，但若要禦防最差1%的HaR 極端崩盤危機，複雜的股市等變數皆失去解釋力，決定性的核心支撐在於「全台家戶數與人口數」等長期的自住剛性需求。此外，GaR模型顯示台灣總體經濟在極端情況下存在高達-10%的下行風險，且房價表現愈差，會顯著擴大總體經濟的衰退壓力。所幸，過去房價泡沫指標本身並未額外放大景氣崩盤風險，這歸功於台灣中央銀行與政府在歷次房市過熱時，及時祭出貸款成數限制等總體審慎政策，成功在泡沫釀成系統性危機前完成了適度修正。

數據確實證實，房價只要大跌就會加深總體經濟的下行壓力與衰退期間。面對未來人口與家戶數可能衰退的結構變局，政府仍須持續善用這些嚴謹的計量模型監控市場，將房市控溫視為維護台灣總體經濟與金融穩定的恆常防線

本文由陳明吉整理改寫自：陳明吉、蔡怡純，2022，建構台灣房價風險值量化評估模型，中央銀行季刊，44(4)，13-53。