44 专题：中国的房地产

这一讲是综合应用：不引入新的原理，把前面讲过的东西，放在一个真实的、很大的案例上用一遍。它会用到：价格怎么传递信息（第 7 讲）、价格管制（第 9 讲）、垄断（第 14 讲）、拍卖（第 22 讲）、银行与信用（第 30、31 讲）、债务与财政（第 34 讲）、金融危机（第 35 讲）、时间价值（第 36 讲）和行为经济学（第 39 讲）。下一讲（第 45 讲），接着讲和房地产连在一起的另一件事：地方政府的债务和土地财政。

这一讲要回答六个问题：

1. 一套房子，为什么既是消费品，又是资产？它的价格，和什么有关？
2. 中国的房地产市场，有哪几个制度上的特点？
3. 2021 年之后，数据显示发生了什么？为什么成交量掉得很多，价格却掉得慢？
4. 房价的下跌，怎样传到家庭、开发商和银行？
5. 2024 年以来，政策做了什么？这些工具，有什么取舍？
6. 三个有争议的问题：房价是不是泡沫、房地产有多大、该不该救（以及怎么救）。

先说清楚三件事。 第一，这一讲不预测房价，也不告诉你该不该买房：这是你自己的决定，取决于你的收入、风险和你对未来的判断。第二，这一讲里的事实和数字，截至 2026 年 10 月中旬：房地产的数据，每个月都在更新，政策也在调整，你读到的时候，可能已经变了。第三，事实陈述和价值判断，分开写：数据能回答的，我用数据；数据回答不了的（谁该承担损失、该不该救），留给你。

一、一套房子，五个押注者

你的朋友，手里有 90 万元，买了一套 300 万元的房子：首付 30%（就是 90 万），贷款 210 万。

先停一下：假设房价涨 10%，朋友的钱（90 万元的自有资金）涨了多少？如果房价跌 10%，呢？如果跌 15%、跌 30%？

想一想：房价涨 10%，房子值 330 万，贷款还是 210 万，朋友的净资产，从 90 万，变成 120 万，涨了 33%；房价跌 10%，房子值 270 万，净资产 60 万，跌了 33%；跌 15%，房子 255 万，净资产 45 万，跌了 50%；跌 30%，房子 210 万，净资产归零。这就是杠杆（第 30、35 讲）：用别人的钱，放大自己的盈亏，双向。

而且，朋友不是唯一押注在这套房子上的人。想一想，下面这些人，谁的利益，和这套房子的价格有关：

• 你的朋友：它是家，也是他最大的一笔资产。
• 开发商：它把这套房子，在建成之前，就卖给了朋友（预售），用收来的钱，继续盖房、拿地。
• 银行：它借给朋友 210 万，房子是抵押品；它也借给开发商钱。
• 地方政府：它把这块地，卖给了开发商，土地出让收入，是它最重要的收入来源之一（第 45 讲）。
• 别的买房人和卖房人：他们的预期，影响下一笔交易的价格。

五个人，同时押注在一个资产的价格上。 价格转向的时候，不是一个人的问题。这一讲，就是看这条链子，是怎么连起来的，又是怎么传导的。

二、房子：消费品，也是资产

2.1 它值多少钱

房子有两个身份。消费品：你住在里面，每个月，省下了一笔租金（或者，说得更准确：你"付给自己"一笔租金）。资产：它可以卖，价格，随市场变化。

按第 36 讲的逻辑，一项资产的价格，等于它未来所有收益的现值；那一讲，还讲了永续年金：每年 c，永远，现值是 c ÷ r。对一套房子来说，收益，就是未来的租金（自住的人，租金，是"省下来的"）。如果，明年的租金是 R，以后，每年增长 g，用折现率 r 折算（r 可以理解为，你的贷款利率，或者你用这笔钱，做别的事的回报），永续地算下去（把每一年的现值，加起来，是一个等比数列的和）：

房价 P = R ÷ (r − g)

（g 要小于 r；g = 0 时，就是第 36 讲的 c ÷ r。）这个公式很简单，但很有用：房价，由三件事决定：租金、折现率、对租金增长的预期。

# 房价 = 未来租金的现值（第 36 讲）：永续、租金每年增长 g、折现率 r：P = R / (r - g)。
# 示意：明年的租金 R = 2（万元/年），房子"值"多少，取决于 r 和 g。这些数字是示意的，不是统计。
R = 2.0
print("一、折现率 r = 5% 不变，只改变'对租金增长 g 的预期'（租金 R 一分钱没变）：")
base = R / (0.05 - 0.03)
for g in (0.03, 0.025, 0.02, 0.01, 0.0, -0.01):
    P = R / (0.05 - g)
    print(f"   预期租金每年增长 {g:5.1%}：房价 {P:6.1f} 万元（相对 g = 3% 时：{P / base - 1:+.0%}）")
print("二、预期的增长 g = 2% 不变，只改变折现率 r（贷款利率、别的投资的回报）：")
base = R / (0.05 - 0.02)
for r in (0.06, 0.05, 0.04, 0.03):
    P = R / (r - 0.02)
    print(f"   折现率 {r:4.0%}：房价 {P:6.1f} 万元（相对 r = 5% 时：{P / base - 1:+.0%}）")
print("三、租售比：租金 ÷ 房价（租金回报率）。预期增长越高，能接受的租金回报率越低：")
for g in (0.03, 0.02, 0.0):
    print(f"   r = 5%，g = {g:4.1%}：租金回报率 = r - g = {0.05 - g:4.1%}")

输出：

一、折现率 r = 5% 不变，只改变'对租金增长 g 的预期'（租金 R 一分钱没变）：
   预期租金每年增长  3.0%：房价  100.0 万元（相对 g = 3% 时：+0%）
   预期租金每年增长  2.5%：房价   80.0 万元（相对 g = 3% 时：-20%）
   预期租金每年增长  2.0%：房价   66.7 万元（相对 g = 3% 时：-33%）
   预期租金每年增长  1.0%：房价   50.0 万元（相对 g = 3% 时：-50%）
   预期租金每年增长  0.0%：房价   40.0 万元（相对 g = 3% 时：-60%）
   预期租金每年增长 -1.0%：房价   33.3 万元（相对 g = 3% 时：-67%）
二、预期的增长 g = 2% 不变，只改变折现率 r（贷款利率、别的投资的回报）：
   折现率   6%：房价   50.0 万元（相对 r = 5% 时：-25%）
   折现率   5%：房价   66.7 万元（相对 r = 5% 时：+0%）
   折现率   4%：房价  100.0 万元（相对 r = 5% 时：+50%）
   折现率   3%：房价  200.0 万元（相对 r = 5% 时：+200%）
三、租售比：租金 ÷ 房价（租金回报率）。预期增长越高，能接受的租金回报率越低：
   r = 5%，g = 3.0%：租金回报率 = r - g = 2.0%
   r = 5%，g = 2.0%：租金回报率 = r - g = 3.0%
   r = 5%，g = 0.0%：租金回报率 = r - g = 5.0%

逐段看：

• 第一部分：租金，一分钱没变，只是，人们对未来租金增长的预期，从每年 3%，降到 1%，房价就从 100 万，降到 50 万，跌了一半。预期，下降 3 个百分点（到每年 0），房价跌 60%。原因是，分母 r − g，本来就很小（2%），一点点变化，就被放大。
• 第二部分：折现率，从 5% 降到 4%，房价涨 50%；从 5% 升到 6%，房价跌 25%。利率的变化，对价格的影响，很大（第 31 讲）。
• 第三部分：这个公式，还有一个含义：租金回报率（租金 ÷ 房价），等于 r − g。预期增长越高，人们愿意接受的租金回报率，就越低。 如果，一个城市，人们买房，是因为预期"房价会继续涨"，那么，租金回报率，可以很低；而一旦，预期变了，价格，要往租金回报率的方向，回调（你要把它和下面的"泡沫"那一节，一起看）。

注意：这是一个示意。数字（租金 2 万元、r = 5%、g = 3%），是为了手算方便，不是统计；真实的房子，有交易成本、有持有成本、有贷款约束，价格，也不一定只由租金决定（比如，有人买房，是为了学区或户口）。但是，它说明了：价格里，装着对未来的预期；预期变了，价格不需要"等租金变"，就会变。

2.2 人们为什么买房，不只是为了住

第 39 讲讲过，人不是完美的计算器。买房，还有这些特点：

• 大宗、很难拆分：一套房，几十万到几百万，不像股票，可以每次买一点；
• 借钱买：杠杆很高；
• 交易成本高：税费、中介费、搬家，让人不愿意频繁买卖；
• 对很多家庭，是最大的一笔资产：据中国人民银行 2019 年《城镇居民家庭资产负债情况调查》（据媒体和报告摘要的转述，请以原文为准）：住房资产，占家庭总资产的 59.1%；住房拥有率，96.0%；户均拥有住房，约 1.5 套。

最后一点，很重要：当一个国家的家庭，把大部分财富，放在同一类资产上，这类资产的价格，就不只是"一个市场"的事，而是"一个国家的家庭资产负债表"的事。

三、中国的房地产：几个制度特点

这一节，只说事实，数字和日期，据公开的政策文件和报道，请以原文为准。

• 住房的商品化：1998 年，国务院发文，停止福利分房，住房分配货币化，之后，城镇居民，主要靠自己买房（据报道）。
• 土地的制度：城市的土地，属于国家所有；地方政府，是一级土地市场的垄断供给者（第 14 讲：垄断者，控制供给量和节奏）。2002 年起，经营性用地，要通过招标、拍卖、挂牌出让（第 22 讲：拍卖）。
• 预售制：商品房，可以在建成之前，就卖给购房人，收取购房款（预收款）。对开发商，这是一笔低成本的融资；对购房人，意味着，要为一个还没有建成的房子，先付钱（第 20、21 讲：信息不对称、道德风险；第 35 讲：这笔钱，如果被挪用，房子建不完，就是风险）。
• 住房的持有，几乎没有税：全国没有统一征收的、针对个人住房持有环节的房产税；2011 年，在上海和重庆，开展了个人住房房产税的试点。
• 价格和交易的管制：2010 年起，不少城市，出台了限购、限贷、限价的措施（第 9 讲：价格管制，会带来什么）。比如，对新房，设了价格上限，而新房价格，低于周边的二手房，就会出现"排队、摇号、抢购"，和第 9 讲，价格上限的故事，是同一个结构（据报道）。
• “房住不炒”：2016 年底，中央经济工作会议，提出"房子是用来住的、不是用来炒的"，这成为之后几年，房地产政策的基调。

这几项，加在一起，形成了一个特殊的链条：土地由地方政府控制（也是地方政府的收入来源）；开发商，用高杠杆拿地，用预售款周转；购房人，用杠杆买，而且预期房价会涨；银行，借钱给两头。每一环，都依赖"价格会继续涨"这个预期。

四、上行的时候：每个人的最优选择

价格上涨的时候，这条链子上，每个人的理性选择，都在推高价格：

• 购房人：房价在涨，晚买更贵（“早买早受益”）；
• 开发商：土地越贵，房价越高，利润越高，所以，借更多的钱，拿更多的地；
• 银行：房子是好抵押品，价格在涨，抵押品的价值，越来越高，贷款就更"安全"；
• 地方政府：卖地的收入越多，能花的钱越多。

这是第 17 讲、第 35 讲的结构：策略互补（别人买，我也买）和杠杆的顺周期性（价格涨，抵押品的价值涨，能借的钱涨，买的人多，价格再涨）。上行的时候，整条链子，是自我强化的。

监管者，在 2020 年，做了两件事（据报道）：2020 年 8 月，对重点房企，提出**“三道红线”：（1）剔除预收款后的资产负债率不超过 70%；（2）净负债率不超过 100%；（3）现金短债比不小于 1；2020 年 12 月，对银行，设了房地产贷款集中度管理**：银行的房地产贷款，和个人住房贷款，占全部贷款的比例，不能超过上限。目的，是给这条链子，踩刹车。

可是，刹车和下行，在时间上，很接近。下面，我们看，数据说了什么。

五、数据：2021 年之后

国家统计局的数据，2015 到 2025 年：

# 真实数据：全国新建商品房（2015–2020 年的口径是"商品房"）销售额、销售面积，和房地产开发投资。
# 来源：国家统计局历年的《全国房地产市场基本情况》（销售额、投资：亿元；销售面积：万平方米，我没有放 2015–2019 年的面积）。
# 注意：统计局说明，2022 年以后公布的同比增速，是"按可比口径"算的（对上年的数据做过修订），所以，用下面的绝对数自己相除，不一定正好等于公布的增速。
SALES  = {2015: 87281, 2016: 117627, 2017: 133701, 2018: 149973, 2019: 159725, 2020: 173613,
          2021: 181930, 2022: 133308, 2023: 116622, 2024: 96750, 2025: 83937}
INVEST = {2015: 95979, 2016: 102581, 2017: 109799, 2018: 120264, 2019: 132194, 2020: 141443,
          2021: 147602, 2022: 132895, 2023: 110913, 2024: 100280, 2025: 82788}
AREA   = {2020: 176086, 2021: 179433, 2022: 135837, 2023: 111735, 2024: 97385, 2025: 88101}

peak_s, peak_i = max(SALES, key=SALES.get), max(INVEST, key=INVEST.get)
print(f"一、销售额的最高点：{peak_s} 年 {SALES[peak_s] / 1e4:.2f} 万亿元；开发投资的最高点：{peak_i} 年 {INVEST[peak_i] / 1e4:.2f} 万亿元")
cagr = (SALES[2021] / SALES[2015]) ** (1 / 6) - 1
print(f"   2015 到 2021 年，销售额年均增长 {cagr:.1%}（名义，没有扣物价）")
for name, d in (("销售额", SALES), ("开发投资", INVEST), ("销售面积", AREA)):
    print(f"   2021 到 2025 年，{name}：{d[2021]:,} -> {d[2025]:,}，变化 {d[2025] / d[2021] - 1:+.1%}")
print("二、量和'价'：用 销售额 ÷ 销售面积，算全国的平均成交价（亿元 ÷ 万平方米，再乘 1 万，就是元/平方米）。这是个粗的平均数：城市、户型、楼盘的结构一变，它就会变")
price = {y: SALES[y] / AREA[y] * 1e4 for y in AREA}                   # 元/平方米
for y in range(2020, 2026):
    print(f"   {y} 年：销售面积 {AREA[y]:>7,} 万平方米，平均成交价 {price[y]:>7,.0f} 元/平方米；以 2021 年为 100：面积 {100 * AREA[y] / AREA[2021]:5.1f}，平均价 {100 * price[y] / price[2021]:5.1f}")

输出：

一、销售额的最高点：2021 年 18.19 万亿元；开发投资的最高点：2021 年 14.76 万亿元
   2015 到 2021 年，销售额年均增长 13.0%（名义，没有扣物价）
   2021 到 2025 年，销售额：181,930 -> 83,937，变化 -53.9%
   2021 到 2025 年，开发投资：147,602 -> 82,788，变化 -43.9%
   2021 到 2025 年，销售面积：179,433 -> 88,101，变化 -50.9%
二、量和'价'：用 销售额 ÷ 销售面积，算全国的平均成交价（亿元 ÷ 万平方米，再乘 1 万，就是元/平方米）。这是个粗的平均数：城市、户型、楼盘的结构一变，它就会变
   2020 年：销售面积 176,086 万平方米，平均成交价   9,860 元/平方米；以 2021 年为 100：面积  98.1，平均价  97.2
   2021 年：销售面积 179,433 万平方米，平均成交价  10,139 元/平方米；以 2021 年为 100：面积 100.0，平均价 100.0
   2022 年：销售面积 135,837 万平方米，平均成交价   9,814 元/平方米；以 2021 年为 100：面积  75.7，平均价  96.8
   2023 年：销售面积 111,735 万平方米，平均成交价  10,437 元/平方米；以 2021 年为 100：面积  62.3，平均价 102.9
   2024 年：销售面积  97,385 万平方米，平均成交价   9,935 元/平方米；以 2021 年为 100：面积  54.3，平均价  98.0
   2025 年：销售面积  88,101 万平方米，平均成交价   9,527 元/平方米；以 2021 年为 100：面积  49.1，平均价  94.0

逐段看：

• 2015 到 2021 年：销售额，从 8.73 万亿元，涨到 18.19 万亿元，年均增长 13.0%（名义）。
• 2021 到 2025 年：销售额，下降 53.9%；销售面积，下降 50.9%；开发投资，下降 43.9%。2025 年，销售额，只有 2021 年的 46%，比 2015 年的 8.73 万亿元，还略低一点。（注意：这是名义数字，没有扣物价；2015 年到 2025 年，物价也涨了，所以，按"实际"的水平，差距更大。）
• 口径提醒：统计局，在 2022 年以后，对上年的数据，做过修订，公布的增速，是"按可比口径"算的；所以，我们用绝对数自己相除，和公布的同比，会有出入。比如，按绝对数算，2025 年的销售额，比 2024 年低 13.2%，而公布的是 12.6%。（2021 到 2023 年，统计局叫"商品房"，2024 年起，叫"新建商品房"，口径，也可能有调整。）

2026 年的数据，到 8 月（国家统计局，2026 年 9 月 15 日）：1 到 8 月，房地产开发投资，47979 亿元，比上年同期，下降 19.9%；新建商品房销售面积，49880 万平方米，下降 12.1%；销售额，47470 亿元，下降 13.0%。同一份公布里，第一次披露了二手房的数据（据住房和城乡建设部的数据）：1 到 8 月，二手房交易的网签面积，54923 万平方米，同比，增长 10.6%。2025 年底，商品房待售面积，76632 万平方米，比上年，增长 1.6%（统计局）。

价格呢？ 2026 年 8 月，70 个大中城市（国家统计局）：新建商品住宅，同比，一线城市下降 0.9%，二线下降 2.7%，三线下降 4.1%；二手住宅，同比，一线下降 2.7%，二线下降 4.9%，三线下降 5.6%；环比，一线城市的新建商品住宅，上涨 0.1%，其余，继续小幅下降，降幅，在收窄。这是"当月，和一年前相比"的变化，不是"从高点，累计跌了多少"。累计的下跌，各机构的估算，差别很大，我没有查到一个口径一致、可靠的全国数字，所以，这里不给。

这几个数字，合起来，说明了什么？ 房地产的活动（销售、投资）：大幅缩小；价格：下跌，但是，速度，比"量"的下跌，要慢得多。下面，看这一点。

六、量先掉，价后掉

用销售额，除以销售面积，可以算一个"平均成交价"（上面，代码的第二部分）：

• 2021 到 2025 年，销售面积，降到 49.1（2021 年 = 100）；平均成交价，从 10139 元/平方米，到 9527 元/平方米，只降到 94.0，只降了 6%。
• 这个"平均价"，很粗：它是销售额除以面积，如果，卖出去的，更多是小户型、更多是三四线城市（或者更多是一线城市的高价房），平均数，就会变，而同一套房子的价格，不一定变。所以，不要把它，当成"房价"。（统计局的 70 城价格指数，用的是同类房子的比较，才是更好的"价格"指标。）

可是，“量大幅下降，价格缓慢下降”，本身，是一个很常见的现象，经济学里，有解释。 想一想：一个卖家，2021 年，用 300 万买了房。现在，市场上，同样的房子，只能卖 250 万。他会怎么办？很多人，不愿意，在亏损的价格上卖出：他挂出更高的价格，等着。买家，嫌贵，也等。成交，就变少了。

这是第 39 讲的损失厌恶：人们，对损失，比对同样大的收益，更敏感。Genesove 和 Mayer 2001 年（Quarterly Journal of Economics，116 卷 4 期，1233–1260 页）用 1990 年代波士顿的公寓数据，发现：（据摘要）面临名义亏损的卖家，挂牌价更高，也更不容易成交；他们认为，这有助于解释，房地产市场里，价格和成交量，同方向变化的现象。这是别的国家、别的时代的研究，不能直接说，中国现在，就是这样；但是，它给出了一个可检验的机制：价格下降，先表现为成交量的萎缩。

还有第 9 讲的另一面：如果，价格受到管制（限价、指导价），价格，没法立刻调整，调整的，就是数量。

七、传导：一套房子的价格，怎样变成别人的问题

7.1 家庭：资产负债表

回到开头：房价下跌，对一个业主，意味着什么？看净资产（房子的价值 − 剩下的贷款）。用一个玩具的计算（按月等额本息，只算一套自住房）：

# 家庭的资产负债表：房价跌多少，业主会"资不抵债"？（玩具：只算一套自住房，按月等额本息还款；不考虑利息以外的任何费用）
def balance_fraction(rate, years_total, years_elapsed):
    """等额本息：还了 years_elapsed 年之后，剩余本金占原来本金的比例"""
    i, n, k = rate / 12, years_total * 12, years_elapsed * 12
    return ((1 + i) ** n - (1 + i) ** k) / ((1 + i) ** n - 1)

def underwater_drop(down, rate=0.05, years_elapsed=0, years_total=30):
    """房价（相对买入价）跌多少以上，房子的价值就低于剩下的贷款：1 - 剩余贷款 / 买入价"""
    return 1 - (1 - down) * balance_fraction(rate, years_total, years_elapsed)

print("一、首付比例越高，房价能跌的空间越大（贷款利率 5%，30 年）：房价跌超过下面的比例，房子就不够还剩下的贷款")
print("   首付   刚买下   还了 3 年   还了 8 年")
for down in (0.15, 0.20, 0.30, 0.40, 0.60):
    print(f"   {down:4.0%}   {underwater_drop(down):6.1%}   {underwater_drop(down, years_elapsed=3):8.1%}   {underwater_drop(down, years_elapsed=8):8.1%}")

print("二、同样是'买在 300 万的高点'，房价跌 20% 以后（现值 240 万），业主手里还剩多少净资产（万元）")
for down, label in ((0.60, "首付 60%"), (0.30, "首付 30%"), (0.15, "首付 15%")):
    loan0 = 300 * (1 - down)
    for yrs in (0, 3):
        loan = loan0 * balance_fraction(0.05, 30, yrs)
        print(f"   {label}，买后 {yrs} 年：房子 240，贷款还剩 {loan:6.1f}，净资产 {240 - loan:7.1f}" + ("  <- 资不抵债" if 240 < loan else ""))

输出：

一、首付比例越高，房价能跌的空间越大（贷款利率 5%，30 年）：房价跌超过下面的比例，房子就不够还剩下的贷款
   首付   刚买下   还了 3 年   还了 8 年
    15%    15.0%      19.0%      27.0%
    20%    20.0%      23.7%      31.3%
    30%    30.0%      33.3%      39.9%
    40%    40.0%      42.8%      48.5%
    60%    60.0%      61.9%      65.7%
二、同样是'买在 300 万的高点'，房价跌 20% 以后（现值 240 万），业主手里还剩多少净资产（万元）
   首付 60%，买后 0 年：房子 240，贷款还剩  120.0，净资产   120.0
   首付 60%，买后 3 年：房子 240，贷款还剩  114.4，净资产   125.6
   首付 30%，买后 0 年：房子 240，贷款还剩  210.0，净资产    30.0
   首付 30%，买后 3 年：房子 240，贷款还剩  200.2，净资产    39.8
   首付 15%，买后 0 年：房子 240，贷款还剩  255.0，净资产   -15.0  <- 资不抵债
   首付 15%，买后 3 年：房子 240，贷款还剩  243.1，净资产    -3.1  <- 资不抵债

逐段看：

• 首付，就是缓冲：首付 30% 的人，刚买下时，房价跌超过 30%，才会"资不抵债"；首付 15% 的，跌超过 15%，就会。还了几年贷款，缓冲会变厚一点（还了 8 年，首付 30% 的人，能承受 39.9% 的下跌）。
• 同样是 300 万买的，房价跌 20%：首付 60% 的人，还有 120 万净资产；首付 30%，还有 30 万；首付 15%，资不抵债，欠了 15 万。
• 所以，什么人最容易被伤到：杠杆高的，近期买的（首付低，还没来得及还本金）。Fang 等人 2016 年（NBER Macroeconomics Annual，30 卷，105–166 页）研究了 2003 到 2013 年的中国房价：据摘要，那时的购房者，首付，常常在 35% 以上，所以，他们认为，当时，住房市场，不太可能引发一场迫在眉睫的金融危机。这和我们的计算，是一致的：首付高，缓冲就厚。（但这是 2013 年之前的结论，今天，不同年份的购房者，杠杆，不同。）
• 缺什么：这个玩具，没有用真实的家庭数据：我没有查到一份可靠的、关于"目前，有多少家庭，资不抵债"的全国统计，所以，不下结论。

如果，业主"资不抵债"，会怎样？这取决于贷款的追索权：据我的理解，中国的个人住房贷款，一般是有追索权的（房子拍卖，不够还，剩下的部分，仍然要还；请以贷款合同和法律为准）。有追索权的话，业主"一走了之"的代价，更大。但是，下面这一种情况，不同：

7.2 开发商：预售制的另一面

预售制下，开发商，用买房人预付的钱，去盖这套房子，也去还别的债、拿新的地。预收款，在账上，是一笔负债（欠买房人一套房子）。用"三道红线"，看一个虚构的开发商：

# 预售制下的开发商：一个虚构的开发商，用"三道红线"（2020 年 8 月的监管指标）看它的账。
# 三条线：（1）剔除预收款后的资产负债率 <= 70%；（2）净负债率 <= 100%；（3）现金短债比 >= 1。
def red_lines(assets, liabilities, presale, interest_debt, short_debt, cash, equity):
    r1 = (liabilities - presale) / (assets - presale)      # 剔除预收款后的资产负债率
    r2 = (interest_debt - cash) / equity                   # 净负债率
    r3 = cash / short_debt                                 # 现金短债比
    return r1, r2, r3, (r1 > 0.70) + (r2 > 1.00) + (r3 < 1.0)

def show(label, **kw):
    r1, r2, r3, n = red_lines(**kw)
    print(f"{label}：剔除预收款的资产负债率 {r1:6.1%}，净负债率 {r2:7.1%}，现金短债比 {r3:4.2f}，踩了 {n} 条线")

# 虚构的开发商（单位：亿元）：总资产 1000，其中存货（在建的房子和土地）700；总负债 750，其中预收款（房子卖出去了、还没交，收的钱）300；
# 有息债务 300（其中一年内到期的 100），现金 150，权益 250。
INVENTORY = 700
firm = dict(assets=1000, liabilities=750, presale=300, interest_debt=300, short_debt=100, cash=150, equity=250)
show("一、行情好的时候", **firm)
print("二、销售变差：存货要减值（存货的价值少了，资产和权益同时减少），现金也被消耗：")
for write_down, cash_left in ((0.05, 120), (0.10, 80), (0.15, 50), (0.20, 30)):
    loss = write_down * INVENTORY
    f2 = dict(firm, assets=firm["assets"] - loss, equity=firm["equity"] - loss, cash=cash_left)
    show(f"   存货减值 {write_down:4.0%}，现金剩 {cash_left:>3}", **f2)

print("三、现金能撑多久：每个季度，要付：工程款 100（为了按时交房）+ 还本付息 40；收入只有卖房的钱。起初现金 150，算 12 个季度。")
print("   现金不够的时候，企业得选：先还债，还是先保工程？")
def runway(sales, cash0=150, build=100, debt=40, pay_debt_first=True, quarters=12):
    cash, built, unpaid, first_short = cash0, 0.0, 0.0, None
    for q in range(1, quarters + 1):
        cash += sales
        order = ("debt", "build") if pay_debt_first else ("build", "debt")
        for item in order:
            need = debt if item == "debt" else build
            pay = min(need, max(cash, 0)); cash -= pay
            if item == "build":
                built += pay / build
                if pay < need and first_short is None: first_short = q
            else:
                unpaid += need - pay
    return built / quarters, unpaid, first_short
for drop in (0.0, 0.2, 0.4, 0.6):
    sales = 160 * (1 - drop)
    b1, u1, q1 = runway(sales); b2, u2, q2 = runway(sales, pay_debt_first=False)
    when = f"第 {q1} 季度起工程款不足" if q1 else "工程款一直够"
    print(f"   卖房收入 {sales:3.0f}/季度（少 {drop:3.0%}）：先还债 -> 工程拿到 {b1:4.0%}（{when}），欠债 {u1:3.0f}；先保工程 -> 工程拿到 {b2:4.0%}，欠债 {u2:3.0f}")

输出：

一、行情好的时候：剔除预收款的资产负债率  64.3%，净负债率   60.0%，现金短债比 1.50，踩了 0 条线
二、销售变差：存货要减值（存货的价值少了，资产和权益同时减少），现金也被消耗：
   存货减值   5%，现金剩 120：剔除预收款的资产负债率  67.7%，净负债率   83.7%，现金短债比 1.20，踩了 0 条线
   存货减值  10%，现金剩  80：剔除预收款的资产负债率  71.4%，净负债率  122.2%，现金短债比 0.80，踩了 3 条线
   存货减值  15%，现金剩  50：剔除预收款的资产负债率  75.6%，净负债率  172.4%，现金短债比 0.50，踩了 3 条线
   存货减值  20%，现金剩  30：剔除预收款的资产负债率  80.4%，净负债率  245.5%，现金短债比 0.30，踩了 3 条线
三、现金能撑多久：每个季度，要付：工程款 100（为了按时交房）+ 还本付息 40；收入只有卖房的钱。起初现金 150，算 12 个季度。
   现金不够的时候，企业得选：先还债，还是先保工程？
   卖房收入 160/季度（少  0%）：先还债 -> 工程拿到 100%（工程款一直够），欠债   0；先保工程 -> 工程拿到 100%，欠债   0
   卖房收入 128/季度（少 20%）：先还债 -> 工程拿到 100%（工程款一直够），欠债   0；先保工程 -> 工程拿到 100%，欠债   0
   卖房收入  96/季度（少 40%）：先还债 -> 工程拿到  69%（第 4 季度起工程款不足），欠债   0；先保工程 -> 工程拿到  97%，欠债 346
   卖房收入  64/季度（少 60%）：先还债 -> 工程拿到  37%（第 2 季度起工程款不足），欠债   0；先保工程 -> 工程拿到  70%，欠债 402

逐段看：

• 第一部分：行情好的时候，三条线，都在安全的一侧。
• 第二部分：存货（在建的房子和土地）减值 10%（不算夸张），现金再少一些，三条线，同时踩破：这是因为，开发商的资产里，大部分是存货，而债务是固定的；资产的价值少一点，权益（资产 − 负债）就少很多。这是杠杆。
• 第三部分：现金不够的时候，企业，要在"先还债"和"先建房"之间选。如果先还债，工程款，就会不够：每季度的卖房收入，比基准少 40%，第 4 个季度起，工程，就拿不到足够的钱，12 个季度里，平均只拿到 69%；少 60%，从第 2 个季度起，只拿到 37%。房子，建不完，就是"烂尾"：买房人，已经付了钱，却拿不到房子。如果先保工程，工程能拿到更多的钱（97%、70%），但是，债务，就还不上（欠 346、402）：违约。这两条路，都是坏的：没有好的选择，只是，损失，落在谁身上：买房人，还是债权人。

这是预售制，和价格下跌，叠加出来的风险：一个融资工具（预收款），在价格上涨、销售顺畅的时候，几乎，没有成本；价格下行，销售变差，它就变成了一个，把开发商的债务问题，传导给买房人的渠道。

现实里，这一幕，出现了。据报道：恒大，2021 年 12 月，境外债券违约，2024 年 1 月，香港高等法院，下令它清盘；碧桂园，2023 年 10 月，境外债券，未能按期付息，据报道，它的境内外债务重组方案，在 2025 年底，通过或生效；万科，据报道，2026 年上半年，亏损约 149.5 亿元，有息负债约 3500 亿元，2026 年以来，到期的公开债券，通过"部分兑付 + 展期"处理，没有出现逾期。更重要的是买房人这一头：2022 年，不少楼盘，因为资金断裂，停工，据报道，一些购房人，发出联名信，宣布，停止偿还这些楼盘的按揭贷款。注意，这和上一节的"资不抵债"，不是一回事：这里，买房人停还贷款，是因为，拿不到房子，不是因为，房子的价格，低于贷款。这是一个策略选择（第 18 讲）：你付了钱，开发商承诺交房，可是，如果它没法履约，你继续还贷，就是在为一个没有拿到的东西，付钱；停止还贷，是你手里，唯一能给银行和政府，施加压力的办法。（它的代价，是你自己的信用记录；这一点，我没有展开。）（政策的回应：“保交楼”，用专项借款和白名单，支持已经预售的项目，按时交房；据 2026 年的政府工作报告，“保交房"任务，全面完成。）

7.3 银行、地方政府，和总需求

• 银行：个人住房贷款，和房地产开发贷款，是银行资产的重要部分（具体占比，请查人民银行的金融机构贷款投向统计，我这里没有放）。房价下行，开发商违约，会侵蚀银行的资产，和第 35 讲的逻辑，一样：资产的价值下降，资本，吸收损失。
• 地方政府：土地出让收入，大幅下降（第 45 讲）。
• 总需求：第 32 讲：房地产的投资，是投资的一部分；而家庭的财富（房子），下降，可能让家庭，少消费、多储蓄（财富效应，第 32 讲；还有 Irving Fisher 1933 年提出的债务通缩：价格下降，使债务的实际负担更重，人们，被迫减少支出、变卖资产来还债，而变卖，又压低价格；这和第 35 讲的杠杆螺旋，是同一类机制）。这是机制；它在中国，有多大，是一个实证问题，我没有查到一个可靠的、被广泛接受的估计，所以，不给数字。

一个时间上的巧合，值得说一下：中国的总人口，在 2021 年，达到最高点（第 43 讲：14.12 亿），同一年，商品房销售额，也达到最高点。这不是证明，人口的变化，造成了房地产的下行（15–64 岁人口的占比，更早，在 2009 年，就已经达到最高点，第 43 讲），但是，它提醒你：住房的长期需求，和人口、城镇化的速度，有关，这些，是比价格、利率，更慢，也更难改变的东西。

八、2024 年以来的政策：事实和取舍

下面是一张事实的时间表（据公开的政策文件和报道，请以原文为准）：

（5 年期以上的 LPR，截至 2026 年 9 月，据报道，连续 16 个月，保持在 3.5%。）

怎么用经济学，看这些工具？不判断好坏，只问：它改变了谁的激励，钱，最后，落在谁手里。

• 需求侧的工具（降首付、降利率、贴息、放松限购）：增加购房人的支付能力。第 9 讲：补贴的好处，不一定留在补贴的对象手里，取决于供给和需求的弹性：如果，短期里，房子的供给，很缺乏弹性（新房建不出来，二手房的卖家，不愿降价），那么，买房人，多出来的支付能力，有相当一部分，会被更高的价格吃掉，好处，落到卖家。（思考题 4，会算。）
• 供给侧的工具（收储、收购存量房）：减少市场上，待售的房子，支持价格，也让开发商，回笼资金。它的难点，在价格：政府，按什么价格收？收贵了，是对开发商的补贴；收便宜了，开发商不愿意卖（据报道，收购定价，和房企的预期之间的差距，被认为是主要的卡点）。
• 开发商的工具（保交楼、白名单）：把"烂尾"的损失，从买房人，转到别处（谁承担，见下面的价值判断）。
• 预期的工具：第 31 讲的承诺：让人们相信"价格不会无限下跌”，是政策的目标之一（“止跌回稳”）；但是，预期，能不能被改变，取决于，人们，是否相信。

九、三个有争议的问题

9.1 一个有争议的问题：2003 到 2021 年的房价，是不是泡沫

按"理论预测 → 证据与局限 → 分歧在哪 → 价值判断留给读者"来写。

理论预测什么：

• 基本面的解释：城镇化（大量人口，进入城市）、收入增长、土地供给受限，让房价上涨，是对这些因素的合理反应（第 36 讲：价格 = 未来收益的现值）。
• 泡沫的解释：价格，高于基本面，是因为人们，预期价格，会继续涨；一旦预期变了，价格，会回调（本讲 2.1 节的代码）。

证据怎么说：

• Fang、Gu、Xiong 和 Zhou 2016 年（NBER Macroeconomics Annual，30 卷）：据摘要，用 120 个城市、2003 到 2013 年的新房价格指数，发现，价格涨得很多：一线城市，平均每年，实际上涨 13.1%，二线城市 10.5%，三线城市 7.9%；而同期，家庭收入，也在大幅增长（除了少数一线城市）；首付，常常超过 35%；但是，低收入的购房者，买的房子，是年收入的 8 倍，甚至 10 倍。他们的结论：这个市场，不太可能，引发一场迫在眉睫的金融危机，但是，如果经济，突然出现一次"急刹车"，它会成为冲击的放大器。
• Glaeser、Huang、Ma 和 Shleifer 2017 年（Journal of Economic Perspectives，31 卷 1 期，93–116 页）：据摘要，2003 到 2014 年，价格，每年实际上涨 10% 以上，现在，是公寓建造成本的 2 到 10 倍；同时，开发商，建了约 1000 亿平方英尺的住宅，空置的房子，大幅增加（开发商手里，也有家庭手里）；这可能，是一个泡沫，之后是暴跌，但是，这个未来，远不确定：如果，新的供给，大幅减少，需求又很强，现在的价格，也可能，维持得住。
• Chen 和 Wen 2017 年（American Economic Journal: Macroeconomics，9 卷 2 期，73–114 页）：据摘要，用一个理论模型，把中国的房价，解释成一个理性泡沫：资本的回报，很高，但是，长期不可持续，所以，人们，会为"未来的价值储藏手段"，而投机；他们引用的数据：35 个大城市，过去十年，实际房价，平均每年，涨约 17%，收入，涨 11%；2013 年，全国城镇住房空置率，22.4%（据该文引用的数据，口径，请以原文为准）。

局限：（1）价格涨得多，不等于泡沫：要有一个"基本面价格"，作为对照，而它，看不见（第 38 讲：有效市场的检验，也有同样的困难）；（2）空置率，很难测：不同的调查，口径，差别很大；（3）事后看，价格下行，会让"泡沫"的说法，显得更有说服力，但是，不能证明，事前，价格，就是泡沫；（4）以上研究，都是 2017 年前后的，早于 2021 年之后的下行。

分歧在哪：事实上的：基本面，能解释，多少；空置，有多少；收入的预期增长，是多少。模型上的：泡沫，是"非理性的"，还是"理性的"。价值判断（留给你）：

1. 住房，是居住的权利，还是一种资产？如果两者，同时是，政策，该怎么在它们之间，取舍？
2. 早买房的人，和晚买房的人，租房的人，得失不同：房价的上涨，让早买的人，更富；房价的下跌，让晚买的人，受损。你觉得，谁，有权要求保护？
3. 价格的上涨，是"繁荣"，还是"一种负担"（对年轻人）？

9.2 房地产，占经济多大

这个问题，不是一个价值争论，是一个测量争论：数字，随"算不算"，变化很大。

• 只算房地产业和建筑业，直接的增加值：亚洲开发银行的一个估算（据 The Economist 对该估算的转述，请核对原文）：2017 年，约占 GDP 的 15.4%。
• 加上上下游的关联行业（建材、家电、家具、金融等，通过投入产出表）：Rogoff 和 Yang 2020 年（NBER 工作论文 27697，《中国住房的顶点》）：把房地产，和相关行业，合在一起，约 29%（用的是 2016 年的数据）；之后，他们在 2021 年 12 月的补充说明里，说，他们，大体上，同意 Goldman Sachs 的 23.6% 的估计，但是，不同意"他们的原始数字，应该被抛弃"的说法。（据转述，请核对原文。）

怎么读：（1）三个数字，都不算"错"，它们，回答的，是不同的问题（只算直接的，还是加上关联行业）；（2）“占 GDP 的比例”，不等于"下跌，会让 GDP，损失这么多"：关联行业，也能，找到别的需求；Rogoff 和 Yang 自己，在基准情景里，估计，住房活动的调整，几年里，累计，可能，使产出的水平，降低约 5% 到 10%（据摘要）；（3）数字，来自 2016 到 2017 年，而之后，房地产，已经，大幅收缩（上面的数据）。

9.3 一个有争议的问题：该不该救，怎么救

按"理论预测 → 证据与局限 → 分歧在哪 → 价值判断留给读者"来写。

理论预测什么：

• 支持"托底"的逻辑（第 35 讲）：如果，价格下跌，让开发商违约、银行吃亏、家庭减少消费，这些，会反过来，让价格，进一步下跌（债务通缩、杠杆螺旋）；及时地，托住，能防止一个局部的问题，变成全局的危机。
• 反对"大规模托底"的逻辑（第 21、35 讲：道德风险）：如果，大家预期，出了事，会被救，下一轮，就会更冒险；而且，托底，是把损失，从一部分人，转给另一部分人（纳税人），并不是消灭了损失；价格，不下来，供需，就一直调整不到位（第 7 讲：价格，传递信息，也出清市场）。
• “让价格调整"的逻辑：价格，下降到买得起的水平，库存，才能出清；但是，调整的速度，太快，会带来我们在前面看到的那些连锁反应。

证据怎么说：

• 我们没有可以直接套用的国际经验。美国 2007 到 2009 年（第 35 讲）：房价，下跌 27.4%，失业率，升到 10.0%，银行，出现危机，金融体系，是危机的中心；日本 1990 年代，也有一次大的地产价格调整，之后，经济，长期低迷（第 43 讲没有讲，我这里，不展开）。这些国家的土地制度、银行结构、住房金融，都不同：中国的家庭，首付，较高；住房的拥有率，很高；银行，在国有体系里；地方政府，掌握土地；这些，既可能，缓冲风险，也可能，让传导，走另一条路。
• 中国自己的数据，在上面：销售、投资，已经，大幅下降，价格，下降得慢，而政策，在逐步加力；效果，要看后面的数据；2026 年的措施，才刚刚开始实施（比如，贴息，2026 年 10 月 1 日起），现在，评价，为时过早。

局限：政策，往往，同时用多个工具，很难，把某一个工具的效果，单独识别（第 4 讲）。

分歧在哪：

• 事实上的分歧：价格，还要跌多少；传导，会不会，通过银行、地方政府，放大；需求，是周期性的，还是人口、城镇化带来的结构性的下降。
• 目标上的分歧：政策，是要"托住房价”，还是"托住销量"，还是"防止风险蔓延"，还是"保护买房人"？目标，不同，工具，不同，评价，也不同。

价值判断（留给你）：

1. 谁，该承担损失：开发商的股东和债权人，买房人，银行，地方政府，还是纳税人？第 35 讲，说过同样的问题。
2. 公平：补贴"买房的人"，对"租房的人"，和"买不起房的人"，公平吗？补贴，该给谁？
3. 短期和长期：为了避免，一场短期的痛苦，而推迟调整，是否，会让长期的成本，更高？
4. 透明：政策，是该"事先明确规则"，还是"相机抉择"（第 31 讲：规则 vs 判断）？

十、局限、常见误用

10.1 局限

• 数据：2021 到 2025 年，销售和投资的绝对数，经过修订；增速，按"可比口径"；2026 年的数据，是 1 到 8 月累计，会修订；
• “平均成交价”，很粗，不是房价；
• 玩具模型：首付、利率、开发商的账，都是示意的，不对应任何一个家庭、一家企业；
• 没有查到：全国范围内，家庭"资不抵债"的比例；银行房地产相关贷款的最新占比；从高点累计的房价下跌；这些，我都没有放；
• 文献：多数，只引用了摘要，没有重做；而且，文献，大多数，早于 2021 年；
• 这一讲没有讲：租赁市场、保障性住房、户籍与城镇化的细节、各城市的差别、房地产税的设计、其他国家的经验；
• 不是政策建议，也不预测房价。

10.2 常见的误用

十一、小结

这一讲有七个想法，请带走：

1. 房子，既是消费品，也是资产：价格 = 租金的现值；预期的增长，下降 3 个百分点，价格，可以下降一半；
2. 中国的房地产，有一条特殊的链子：土地（地方政府）、预售（开发商）、杠杆（购房人）、抵押（银行）；每一环，都依赖"价格会继续涨"；
3. 数据：2021 到 2025 年，销售额，下降 53.9%，销售面积，下降 50.9%，开发投资，下降 43.9%；2026 年 1 到 8 月，仍在下降；
4. 量先掉，价后掉：平均成交价，只降了约 6%；成交，先于价格调整（损失厌恶）；
5. 传导：杠杆，让业主、开发商，在小的价格变化下，就"资不抵债"；预售制，把开发商的问题，传给买房人；
6. 政策：需求侧、供给侧、开发商、预期，每一种工具，改变了不同人的激励；补贴的好处，不一定留在补贴对象手里；
7. 三个有争议的问题：泡沫（基本面，还是预期）；占 GDP 多大（口径）；该不该救（谁承担损失）。事实，我用数据；价值，留给你。

房价，是一个价格，可是，它背后，连着家庭、企业、银行和政府的账本。下一讲，我们看这些账本里，地方政府的那一本：它为什么会借那么多钱？土地出让收入，为什么那么重要？债务，现在是什么样子？下一讲：第 45 讲：地方政府债务与土地财政。

思考题

1. 一个人，首付 20%，贷款利率 5%，30 年，买了一套 300 万元的房子，刚买下时。房价，跌 25%，他的净资产，是多少？他"资不抵债"吗？如果他已经还了 3 年呢？

提示：房价，跌 25%：房子 225 万；贷款 240 万（刚买下）；净资产 −15 万，资不抵债（本讲代码：首付 20% 时，刚买下，跌超过 20% 就会）。还了 3 年：贷款，还剩约 95.3%（用本讲 7.1 节代码里的 balance_fraction 算），也就是约 240 × 0.9534 ≈ 228.8 万，仍然高于 225 万，净资产约 −3.8 万，仍然资不抵债，只是差得少一点（代码：还了 3 年，能承受的下跌，是 23.7%，25% 超过它）。

2. 用 2.1 节的公式（R = 2，r = 4%），预期租金，每年增长 1%，房价是多少？如果预期，降到 0，呢？降了多少？

提示：P = 2 ÷ (0.04 − 0.01) ≈ 66.7 万元；g = 0 时，P = 2 ÷ 0.04 = 50 万元，降了 25%。比较：r = 5% 时，g 从 1% 到 0，P 从 50 降到 40，降了 20%。r 越低，同样的预期变化，影响越大（分母更小）。

3. 用 7.2 节的开发商：假设它的存货，减值 8%，现金，剩 100（其他条件不变）：三条线，各是多少？踩了几条？

提示：存货减值 = 0.08 × 700 = 56：资产 944，权益 194。剔除预收款后的资产负债率 = (750 − 300) ÷ (944 − 300) = 450 ÷ 644 ≈ 69.9%（刚好在 70% 的边上，没破）；净负债率 = (300 − 100) ÷ 194 ≈ 103.1%（破）；现金短债比 = 100 ÷ 100 = 1.0（刚好，不小于 1，不算破）。踩 1 条。注意：三条线，一条一条地，被"逼近"，这是为什么，监管用三条线，而不是一条。

4. 第 9 讲的补贴归宿：政府，给买房人，每套 6 万元的补贴。短期，住房的供给弹性，是 0.5，需求弹性，是 2。买房人，得到多少？卖家，得到多少？如果，供给弹性，是 2，需求弹性，是 0.5 呢？

提示：买房人，得到的份额 = 供给弹性 ÷ (供给弹性 + 需求弹性)（第 9 讲，线性或小额补贴）：0.5 ÷ 2.5 = 20%，即 1.2 万元；卖家，得 80%（4.8 万元）。反过来，2 ÷ 2.5 = 80%，买房人得 4.8 万元。所以，供给，越缺乏弹性，补贴，越容易，被价格吃掉（这是示意的数字，不是对任何城市的估计）。

5. （开放题）下面的说法，哪些是事实问题，哪些是价值判断？（a）2021 年以来，新建商品房销售额，下降了一半以上；（b）政府，应该，托住房价；（c）购房补贴，大部分，被价格吃掉了；（d）买房人，不应该，为开发商的问题，承担损失；（e）房地产，占 GDP 的 25%。

提示：（a）事实（可以查数据）；（b）价值判断（“应该”）；（c）事实，但是，需要证据：要看供给弹性，和实际的价格变化（本讲，没有给证据）；（d）价值判断；（e）事实，但是，取决于口径（9.2 节：15.4%、23.6%、29%），所以，“对不对”，要先问"怎么算的"。

参考与延伸

• 国家统计局：历年《全国房地产市场基本情况》（2015–2025 年，及 2026 年 1–8 月，2026 年 9 月 15 日）；70 个大中城市商品住宅销售价格变动情况（2026 年 8 月，2026 年 9 月 15 日）。
• 中国人民银行调查统计司城镇居民家庭资产负债调查课题组：《2019 年中国城镇居民家庭资产负债情况调查》（《中国金融》2020 年第 9 期；住房资产占比 59.1%、住房拥有率 96.0%，据摘要和媒体转述）。
• Fang, H., Gu, Q., Xiong, W., & Zhou, L.-A. (2016). Demystifying the Chinese Housing Boom. NBER Macroeconomics Annual, 30, 105–166.
• Glaeser, E., Huang, W., Ma, Y., & Shleifer, A. (2017). A Real Estate Boom with Chinese Characteristics. Journal of Economic Perspectives, 31(1), 93–116.
• Chen, K., & Wen, Y. (2017). The Great Housing Boom of China. American Economic Journal: Macroeconomics, 9(2), 73–114.
• Rogoff, K., & Yang, Y. (2020). Peak China Housing. NBER Working Paper 27697；及作者 2021 年 12 月的补充说明（房地产占 GDP 的比例，据转述，请核对原文）。
• Fisher, I. (1933). The Debt-Deflation Theory of Great Depressions. Econometrica, 1(4), 337–357.
• Genesove, D., & Mayer, C. (2001). Loss Aversion and Seller Behavior: Evidence from the Housing Market. Quarterly Journal of Economics, 116(4), 1233–1260.
• 财政部、中国人民银行、国家金融监督管理总局：关于实施居民购房贷款贴息政策的通知（2026 年 9 月 29 日，据报道）；2026 年政府工作报告（据报道）；国务院：关于修改《住房公积金管理条例》的决定（2026 年 8 月，据报道）。
• 中国恒大、碧桂园、万科的债务处置（据报道：香港高等法院 2024 年 1 月清盘令；碧桂园 2025 年底的重组；万科 2026 年半年报）。
• 本讲第 2.1 节、7.1 节、7.2 节的数字，是示意的玩具模型；第五节的数字，来自国家统计局。