研讨会上，大家发表了哪些精彩内容？我们节选了其中几位专家学者的报告，一起来回顾一下吧！    

加拿大银行周捷谈购房前后家庭的投资组合选择

        购买房子对大多数家庭而言是重要的财务决策，购房对家庭金融资产投资组合的选择也有重要的影响。本文使用2002-2012年的丹麦年度数据，具体包括了丹麦家庭的人口学特征、收入以及资产负债等信息，研究对象为在2005-2009年间购买房子且拥有房子产权不足3年的家庭，最终得到44970户家庭的样本，并将在这些年未购买房子的家庭作为参照组。本文将风险资产定义为家庭直接持有的股票以及间接持有的共同型风险基金，无风险资产定为债券的市场价值和银行存款，核心变量为风险资产参与率和金融资产的风险资产份额。

        在实证上，本文采用随机分配与实际购买年份比较的方式探讨家庭在购房前后的7年时间里金融资产组合数量的变化，结果发现：在购房之前，家庭的金融资产会显著增加；在购房当年，家庭的风险资产参与率将下降6.2%；在购房前，一些贫困的家庭在投资上会更加冒险；在给定参与率的条件下，金融资产中风险资产的份额在购房前下降，但之后会快速增加；购房对借贷约束严苛的国家影响更大。最后，本文根据财富、年龄、收入以及地区分类进行稳健性检验，得到了一致的结论。

乔治城大学Sumit Agarwal教授谈生肖对生活质量的影响

        中国有将出生年份分成十二生肖的传统，并且认为龙属相是吉祥的，在龙年出生的孩子身体更健康，更富有，这样的迷信思想在中国文化中是普遍存在的。本文研究的背景是多民族文化的新加坡，其中中国人占了全国居民74%，其余为马来西亚人和印第安人，但只有中国人有相信生肖属相的传统。本文使用1960-2015年的加总月度出生数据、新加坡银行的收入、雇佣以及储蓄消费数据、1981-2015年新加坡两所大学的年度录取数据和财产交易数据，采用倍差法分析龙年出生的孩子是否会有更大的群体效应，群体效应如何影响龙年出生的其他种族的孩子和非龙年出生的中国孩子，以及由迷信引致的群体效应的经济机制。

       初步结果发现，龙年出生的中国孩子的数量显著增加，龙年出生的孩子月收入会显著低于其他组别。本文对马来西亚裔中国人进行了同样的分析，发现只能龙年出生的中国孩子月收入显著更高，说明存在正的选择效应。接着，本文分析可能存在的溢出效应，发现代群效应对非龙年出生的中国孩子和和非龙年出生的中国孩子的月收入均有显著的负向影响。最后，本文以其他族裔马年出生的女性探讨代群效应两种可能存在的经济机制：劳动力市场竞争机制和大学教育机制。

        此外，中国人一致认为8是幸运的数字，4是不幸运的。本文将中国购房者分成行动上迷信的群体和思想上迷信的群体，使用1995-2012年新加坡房地产交易数据、居民的个人信息数据、交通事故数据和族群数据分析由迷信导致的市场均衡，并以每平方米房价的对数作为被解释变量探讨房号和楼层数对房价的影响。结果发现，房号以4结尾的房子售价更低，房号以8结尾的房子售价更高，所处楼层以8结尾的房子售价也更高；因幸运数字所致的房子溢价和折价在中国购房者和非中国购房者间无显著差异；购买且居住在幸运房号的房子中并不会显著地降低交通事故发生的概率。

        最后，在中国的传统文化中，在农历7月7中元节这天，已逝祖先的灵魂会回到生前居住的地方，中国人往往会用食物、蜡烛和纸钱来祭祀祖先。本文使用2000-2009年新加坡房地产交易的数据、家庭信息数据和交通事故数据分析中国购房者的行为，以空间固定效应探讨中国人是否会因为迷信减少在农历7月购房。结果发现，与其他种族的购房者相比，中国购房者买房价格显著更低；50岁以上的中国购房者会比年轻的中国购房者更迷信；在农历七月购房与交通事故发生率并无显著关系；中国购房者回避在七月购房的行为主要跟迷信有关，跟炫耀性消费无关。

伊利诺伊斯大学香槟分校Daniel McMillen教授提出“分位价格指数”

        McMillen教授认为传统的房产价格指数是一种“质量-控制”指数，具体而言，它运用特征价格模型，并控制了相关结构特征，再加上重复销售策略，因此，这是一种杂糅的方法，而且该方法只是关注了中心趋势——中位数以及平均值。在这种背景下，教授提出了分位价格指数（Quantile Price Indices）。利用这种方法，我们可以估计所有分位点的值，进而可获得指数的全分布形状。

        首先，McMillen教授详细介绍了他通过公式获得在时期0和时间T上预测的销售价格的全分布。然后，在此公式的基础上，他进一步加入了地区权重，并设定地区权重随着离目标点的距离增大而逐渐降低。但是，他也指出，从计算层面上说，在分位数模型里加入大量的固定效应是不可行的。随后，他利用来自1986 – 2014年日本东京的分套销售房屋数据对模型进行了估计。

        最后，McMillen教授还介绍了如何在原有模型的基础上进一步分离出空间与非空间影响因素。他拓展了Machado 和Mata于2005年提出的分解方法，即把指数变化分为五个部分，分别是变量变化、X系数的变化、时间系数的变化、X的地点因素变化、时间的地点因素变化等。同样地，他也利用了日本东京数据对东京的房价指数进行了空间分解。

雪城大学经济系教授Stuart Rosenthal谈城市空间聚集 

       Stuart Rosenthal教授的报告深入浅出，引起了广泛讨论。不同于以往文献证实的空间就业集聚会提升生产力，Rosenthal教授提出以建筑作为独立的空间单元的新视角，从而解释城市是怎样成为生产力高的地方的。城市一直以来都是进行商业活动成本极高的地方，但同时也是利润最高的地方。为什么空间聚集对于一个城市具有极高的价值，从城市层面上看，城市化可以共享基础设施建设，促成就业的多元化，带来更多的就业机会；从单独的产业上看，城市里无处不在的机会可以共用一批高技能劳动力，同时也可以从附近的企业汲取经验。因此，城市中的建筑一定是按照能够促进生产力和利润的方式布局的。那么建筑之间到底要相隔多近才能够从他们的附近企业受益？这其实取决于很多方面，Rosenthal教授从制造业的投入比、共用高技能劳动力的沟通成本、知识外溢三个方面来探讨。

      之后，教授展示了旧金山、波士顿、纽约等地的城市就业密度分布图，结果显示，非常近的建筑距离是非常有价值的。相比以前，当今社会办公室办公发展迅速，变得愈加重要，城市中商业服务、零售和其他信息敏感型商业占了主导地位，这直接提升了信息交换、面对面交流、高商业建筑在城市发展中的重要性。而以往文献很大程度上忽视了建筑其实扮演着独立的空间单位的角色。这篇文章利用了纽约、芝加哥、旧金山、洛杉矶、华盛顿特区五大主要城市每个建筑中的就业人数的数据，结合建筑质量数据，进行了两部分的实证检验。首先界定了邻居的范围，得出了建筑间相似的程度，其次估计了导致建筑专门化的驱动因素。发现专门化远远超过随机模式，经过固定者和生产力外溢模型的分析之后，结果显示，当增加附近建筑的控制变量时、增加建筑的物理变量时以及利用分行业的混合数据估计固定效应模型时，目标建筑的固定租客的关键定性变量并未收到影响。最终得到的结论验证了建筑是非常重要的空间单元的观点，行业内部生产力外溢是发生在每一栋单独的建筑中的。

 暨南大学经济与社会研究院助理教授史炜谈“房产价值转换抵押贷款项目”

       暨南大学经济与社会研究院助理教授史炜利用美国2007年至2011年间房产价值转换抵押贷款（HECM）个体详细的数据对房产价值转换抵押贷款项目进行了实证分析。他在合作论文中构建的动态离散选择模型（Dynamic Discrete Choice Model）综合考虑了贷款者不同类型的“中断合约”行为，因而不需要设置一些可能会错误估计反事实模拟下不同决策的概率或错误计算福利的额外限制（如假设某一个履约决策的回报为0）。

       具体而言，该模型构建了一个考虑“继续履约（Continue）”、“再融资（Refinance）”、“违约（Default）”、“中断（Terminate）”四种贷款/履约行为的效用函数，在假设个体会做出最大化自身各期效用（考虑预期及贴现）和的贷款行为前提下，模型估计了效用函数的系数、状态转移规则（State Transition Rule）、贴现因子等参数，以探讨不同履约行为的影响因素、福利损失等情形。

       主要的参数估计结果显示，贷款者个人信用评级越低，越可能违约或中断合约，超额信贷及财产税越高的贷款者更倾向于中断合约。一系列的反事实模拟中发现，调整贷款审核的初始信贷需求或初始收入需求都会降低日后的违约率，然而也会带来相应的福利损失。两者相比，调整信贷需求导致的福利损失更小。模型还进一步估计了房屋价格变动对整个抵押贷款、贷款者福利及其履约行为的影响。