Повторит ли Россия сценарий пузыря 2004‒2007 ГГ. США на рынке недвижимости?

Пузыри на финансовых рынках часто приводят к кризисам, поэтому умение находить их на ранних этапах и вовремя принимать меры повышает благосостояние экономических агентов. Данная статья посвящена цели выявления существования пузыря на рынке недвижимости в России (в частности Москвы) в 2023 г. и сравнению ситуации с развитием пузыря на рынке недвижимости 2004–2007 гг. в США. Для исследования была составлена выборка цен аренды и цен покупки домов в Москве за период с 2016 по 2022 г. включительно. Гипотезы работы заключаются в наличии различных причин роста цен в двух странах и предполагаемом отсутствии пузыря на рынке в Москве. Метод IVX и PSY, используемый Томалем, показал, что мы не можем говорить о наличии пузыря на рынке жилья Москвы. На данный момент нет никаких доказательств того, что Россия (в частности рынок Москвы) собирается повторить сценарий США. В статье дается качественное описание различий и сходств двух периодов, чтобы продемонстрировать сегодняшнее состояние российской экономики, ее риски и пути развития. В итоге исследователем было выявлено больше различий в качественных взаимосвязях в экономике и малая вероятность повторения событий прошлого. Уникальность данного исследования заключается в применении методологии к мало изученному предмету исследования московскому рынку недвижимости, в адаптации модели, переменных и интерпретации результатов в российской ситуации по сравнению с периодом 2004–2007 гг. в США. В практическом плане исследование дает понимание текущей ситуации на рынке в России и обоснование применению мер в отношении регулирования экономики и рынка недвижимости.

1. Балаш, О., Балаш, В., & Харламов, А. (2011). Пространственный эконометрический анализ рынка жилья. Прикладная эконометрика, 22(2), 62–77. https://ideas.repecorg/a/ris/apltrx/0074.html

2. Галенкова, А., Мариев, О., Никитин, М., & Юнусова, И. (2019). Эконометрическое исследование пузырей на рынках недвижимости России. Экономика и математические методы, 55(4), 43–56. https://doi.org/10.31857/S042473880006888-5

3. Звездина, Н. В., & Сараев, А. В. (2023). Анализ и моделирование влияния макроэкономических факторов на ввод в эксплуатацию жилой недвижимости в России. Во просы статистики, 28(1), 27–41. https://doi.org/10.34023/2313-6383-2023-30-1-27-41

4. Никитина, Н. С. (2022). Прогнозирование индекса цен на недвижимость в Рос-ии Российское экономическое развитие, (6), 23–28. http://www.iep.ru/files/RePEc/gai/recdev/r2250.pdf

5. Никитина, Н. С. (2023). Анализ факторов, влияющих на динамику цен на жилую недвижимость в России. Финансы: теория и практика, (1), 208–220. https://doi.org/10.26794/2587-5671-2023-27-1-208-220

6. Acharya, V. V., & Richardson, M. (2009). Causes of the financial crisis. Critical Review, 21(2–3), 195–210. https://doi.org/10.1080/08913810902952903

7. Ahamed, L. (2009). Lords of Finance: The Bankers Who Broke the World. Penguin Press. https://www.amazon.com/Lords-Finance-Bankers-Broke-World/dp/0143116800.

8. Astill, S., Harvey, D. I., Leybourne, S. J., Sollis, R., & Taylor, A. M. R. (2018). Real-Time Monitoring for Explosive Financial Bubbles. Journal of Time Series Analysis, 39(6), 863–891. https://doi.org/10.1111/jtsa.12409

9. Case, K. E., & Shiller, R. J. (2003). Is there a bubble in the housing market? Brookings Papers on Economic Activity, 34(2), 299–362. https://doi.org/10.1353/eca.2004.0004.

10. Cavaliere, G., & Taylor, A. M. R. (2007). Testing for unit roots in time series models with non-stationary volatility. Journal of Econometrics, 140(2), 919–947. https://doi.org/10.1016/jjeconom.2006.07.019

11. Cavaliere, G., & Taylor, A. M. R. (2008). Bootstrap unit root tests for time series with nonstationary volatility. Econometric Theory, 24(1), 43–71. https://doi.org/10.1017/0266466608080043

12. Cheung, A., Wai K., Roca, E., & Su, J.-J. (2015). Crypto-currency bubbles: An application of the Phillips–Shi–Yu (2013) methodology on Mt. Gox Bitcoin prices. Applied Economics, 47(23), 2348–2358. https://doi.org/10.1080/00036846.2015.1005827

13. Corbet, S., Lucey, B., & Yarovaya, L. (2018). Datestamping the Bitcoin and Ethereum bubbles. Finance Research Letters, 26 81–88. https://doi.org/10.1016/j.frl.2017.12.006

14. Diba, B. T., & Grossman, H. I. (1988). Explosive rational bubbles in stock prices? The American Economic Review, 78(3), 520–530. https://www.jstor.org/stable/1809149.

15. Duca, J. V., Muellbauer, J., & Murphy, A. (2010). Housing Markets and the Financial Crisis of 2007–2009: Lessons for the Future. Journal of Financial Stability, 6 4), 203–217. https://doi.org/10.1016/j.jfs.2010.05.002

16. Enoksen, F. A., Landsnes, C. J., Lučivjanská, K., & Molnar, P. (2020). Understanding risk of bubbles in cryptocurrencies. Journal of Economic Behavior and Organization, 176 129–144. https://doi.org/10.1016/j.jebo.2020.05.005.

17. Etienne, X. L., Irwin, S. H., & Garcia, P. (2014). Bubbles in food commodity markets: Four decades of evidence. Journal of International Money and Finance, 42, 129–155. https://doi.org/10.1016/j.jimonfin.2013.08.008.

18. Evans, G. W. (1991). Pitfalls in testing for explosive bubbles in asset prices. he American Economic Review, 81(4), 922–930. https://www.jstor.org/stable/2006651.

19. Flood, R. P., & Hodrick, R. J. (1990). On testing for speculative bubbles. Journal of Economic Perspectives, 4(2), 85–101. https://doi.org/10.1257/jep.4.2.85.

20. Greenaway-McGrevy, R., & Phillips, P. C. B. (2016). Hot property in New Zealand: Empirical evidence of housing bubbles in the metropolitan centres. New Zealand Economic Papers, 50(1), 88–113. https://doi.org/10.1080/00779954.2015.1065903.

21. Harvey, D. I., Leybourne, S. J., Sollis, R., & Taylor, A. M. R. (2016). Tests for explosive financial bubbles in the presence of non-stationary volatility. Journal of Empirical Finance, 38 548–574. https://doi.org/10.1016/j.jempfin.2015.09.002.

22. Homm, U., & Breitung, J. (2012). Testing for speculative bubbles in stock markets: A comparison of alternative methods. Journal of Financial Econometrics, 10(1), 198–231. https://doi.org/10.1093/jjfinec/nbr009

23. Kostakis, A., Magdalinos, T., & Stamatogiannis, M. (2015). Robust econometric inference for stock return predictability. The Review of Financial Studies, 28(5), 1506–1553. https://doi.org/10.1093/rfs/hhu139

24. Kurozumi, E. (2020). Asymptotic properties of bubble monitoring tests. Econometric Reviews, 39(5), 510–538. https://doi.org/10.1080/07474938.2019.1697086

25. Kurozumi, E. (2021). Asymptotic behaviour of delay times of bubble monitoring tests. Journal of Time Series Analysis, 42(3), 314–337. https://doi.org/10.1111/jtsa.12569

26. Magdalinos, T., & Phillips, P. C. B. (2009). Limit theory for cointegrated systems with moderately integrated and moderately explosive regressors. Econometric Theory, 25(2), 482–526. https://doi.org/10.1017/S0266466608090154.

27. Pang, T., Du, L., & Chong, T. T. -L. (2021). Estimating multiple breaks in nonstationary autoregressive models. Journal of Econometrics, 221, (1), 277–311. https://doi.org/10.1016/jjeconom.2020.06.005.

28. Phillips, P. C. B., Shi, S. (2018а). Real time monitoring of asset markets: Bubbles and crisis. Cowles Foundation Discussion Paper, 2152, 24. https://elischolar.library.yale.edu/cowles-discussion-paper-series/113/.

29. Phillips, P. C. B., & Shi, S. (2018б). Financial bubble implosion and reverse regression. Econometric Theory, 34(4), 705–753. https://doi.org/10.1017/S0266466617000202

30. Phillips, P. C. B., & Shi, S. (2020). Real time monitoring of asset markets: Bubbles and crises. Handbook of Statistics, 42, 61–80. Amsterdam, Netherlands: Elsevier. https://doi.org/10.1016/bs.host.2018.12.002.

31. Phillips, P. C. B., Shi, S., & Yu, J. (2015). Testing for multiple bubbles: Historical episodes of exuberance and collapse in the S&P 500. International Economic Review, 56(4), 1043–1078. https://doi.org/10.1111/iere.12132

32. Phillips, P. C. B., Wu, Y., & Yu, J. (2011). Explosive behaviour in the 1990s Nasdaq: When did exuberance escalate asset values? International Economic Review, 52(1), 201–226. https://doi.org/10.1111/j.1468-2354.2010.00625.x

33. Pitros, C., & Arayici, Y. (2016). How to identify housing bubbles? A decision support model. International Journal of Housing Markets and Analysis, 9(2), 190–221. https://doi.org/10.1108/ijhma-01-2015-0002.

34. Salnikov, V. A., & Mikheeva, O. M. (2018). Models for Predicting Prices in the Moscow Residential Real Estate Market. Studies on Russian Economic Development, 29(1), 94–101. https://doi.org/10.1134/S1075700718010136

35. Shi, S. (2017). Speculative bubbles or market fundamentals? An investigation of US regional housing markets. Economic Modelling, 66 101–111. https://doi.org/10.1016/jeconmod.2017.06.002.

36. Shi, S., & Phillips, P. C. B. (2021). Diagnosing housing fever with an econometric thermometer. Journal of Economic Surveys, 37(1), 159–186. https://doi.org/10.1111/joes.12430

37. Shi, S., & Phillips, P. C. B. (2022). Econometric analysis of asset price bubbles. Cowles Foundation Discussion Papers, 2331. https://elischolar.library.yale.edu/cowles-discussion-paper-series/2688.

38. Shi, S., Phillips, P. C. B., & Yu, J. (2015). Testing for multiple bubbles: Limit theory of real-time detectors. International Economic Review, 56(4), 1079–1134. https://doi.org/10.1111/iere.12131.

39. Su, C.-W., Li, Z.-Z., Chang, H.-L., & Lobonţ, O.-R. (2017). When will occur the crude oil bubbles? Energy Policy, 102(C), 1–6. https://doi.org/10.1016/j.enpol.2016.12.006

40. Tomal, M. (2022). Identification of house price bubbles using robust methodology: evidence from Polish provincial capitals Journal of Housing and the Built Environment, 37 1461–1488. https://doi.org/10.1007/s10901-021-09903-3

41. Yip, C. Y., Wong, W. C., & Lim, H. E. (2017). Bubble detection in the Malaysian housing market. Malaysian Journal of Economic Studies, 54(2), 203–221. https://doi.org/10.22452/MJES.vol54no2.2

42. Yiu, M. S., & Jin, L. (2013). Detecting bubbles in Hong Kong residential property market. Journal of Asian Economics, 28(2), 115–124. https://doi.org/10.1016/J.ASIECO.2013.04.005.