74
《
金融市场研究》2026.09 VOL.172
金融评论
Financial Review
稳定房地产市场的政策工具选择
——基于住房资产估值框架的分析
张斌 ，朱鹤
摘 要 在现金流折现框架下构建区分房屋结构与土地价值的住房估值模型，据以测算 2021 年
以来房价深度调整的来源：房租增速下降和风险溢价上升是房价下行的主要推动力，利率下行不足以
对冲。情景分析显示，中性情景下北上深房价存在上行空间，低迷情景下全国房价仍有较大向下调整
压力。比较各类政策工具，本文认为供给侧政策和放开限购限售等措施难以直接改善购房收益预期；
充分的逆周期政策特别是降低政策利率，通过降低贴现率、改善租金增长预期和降低风险溢价三个渠
道提升住房估值、激发购房需求，是当前稳定房地产市场的关键选择。
关键词 房地产估值 房价租金比 风险溢价 逆周期政策
张斌， 中国社会 科学院世界经济与政治研究所副所长、 研究员； 朱鹤， 中国金融四十人论 坛研究部高级研究员。
1 数 据 来 源 ：国 家 统 计 局.2025 年全国房地产市场基本情况[EB].2026-01-19.
2 本文房价数据采用贝 壳二手房价格数据库， 房租数据采用相关城市住宅租金数据库。 考虑到不同数据源覆盖
范 围 存 在 差 异 ，房 价 样 本 和 房 租 样 本 的 城 市 数 量 略 有 不 同 。其 中，房 价 采 用30个重点城市样本， 房租采用数据
连续性较 好的重点城市样本。 各城市数据均按照算术平均方法计算城市组别指标。
一、引言
中国房地产市场自 2021 年以来经历
5 年的深度调整。全国房地产开发投资从
2021 年高峰期的 14.76 万亿元下降到 2025
年的 8.28 万亿元 1。房地产价格大幅下行，
2021 年至今以北京 、上海 、深圳为代表
的特大城市房价平均下跌 23%，其他以
省会城市为主体的重点城市房价平均下跌
34%2。无论是对比历史，还是对比其他国
家的房地产市场调整，这一轮房地产市场
调整的时间长度和深度都属罕见。
经过对房地产多年的讨论，对如何稳
定房地产市场和健康发展房地产市场，比
较代表性的建议包括以下几类： 一是一是侧重
供给侧的“收储”与“去库存” ，强调通过
政府介入激活存量房产。 二是二是针对多数开
发商面临的债务困境，将“风险处置”与
“正常融资”隔离， 支持房企合理融资需求，
确保项目建设交付，阻断房地产风险向金
融体系蔓延。 三是三是侧重需求侧，全面取消
限购、限贷、限售及限价政策，并进一步
下调房贷利率和首付比例，刺激住房需求。
四是四是加快建立“保障房保底、商品房改善”
的格局，允许商品房市场根据品质溢价；
逐步取消期房预售，推行现房销售；增加
高品质住房供给；根据人口流入情况确定
住房需求，根据需求配置土地资源，根据
土地和项目配置融资支持等。
上述关于房地产市场发展的建议有很
VOL.172 2026.09《金融市场研究》
75
张斌，朱鹤 | 稳定房地产市场的政策工具选择——基于住房资产估值框架的分析
强的参考价值。然而仅就短期内尽快稳定
房地产市场而言，目前市场企稳的基础尚
不牢固，稳定房地产市场的主要政策手段
也有待进一步明确。接下来通过什么政策
稳住房地产市场，仍需要进一步讨论。
维护合理购房需求，保持合理房地产
价格是稳住房地产市场的关键。扩大购房
需求的政策工具和手段有很多种，但从住
房资产估值的渠道看，重要且不可或缺的
支撑力量还是要通过政策调整，让买房不
亏钱，卖房不一定赚钱。这里所强调的，
是改善住房资产的风险调整后预期收益，
使住房需求重新具备可持续的市场基础。
做到这一点，需要充分理解房地产价值决
定，以及房地产价值决定过程中不同类型
政策工具发挥的作用。
接下来分四个部分展开讨论。 一是一是在
已有文献基础上建立更适用于中国的房地
产估值模型，分析房地产估值背后的关键
决定因素。 二是二是讨论近年来中国房地产的
价格变化，结合模型讨论房价下行的原因。
三是三是利用估值模型给出房地产估值的两种
情景，中性情景下北上深等城市的房价有
较大上升空间，低迷情景下北上深和其他
城市房价仍有较大向下调整空间。 四是四是结
合上述分析讨论不同政策工具对激发购房
需求的影响，指出当前恢复购房需求中重
要、也难以被其他政策工具替代的政策是
逆周期政策，特别是降低政策利率，可通
过降低资金成本、降低风险溢价和提高租
金收益三个渠道提升房价估值，恢复购房
需求。
二、房地产的内在价值模型
房地产兼具居住属性和投资属性，对
房地产内在价值的讨论需要同时考虑到
这两种属性。对房地产价值的研究当中，
有两类代表性的研究文献 ，一类文献以
Poterba (1984) 为基石，通过构建“使用者
成本”框架来定义住房的内在价值。这类
模型将房地产价值看作未来扣除税收、维
护 、折旧等各类成本后 ，净租金收益的
现金流折现 。另一类模型以 Campbell &
Shiller (1988) 为源头，侧重探讨房价的波
动。这一视角认为房地产价格与股票、债
券等金融资产遵循高度一致的定价逻辑。
Campbell et al. (2009) 利用方差分解技术对
美国 23 个城市进行实证研究，发现房价租
金比的波动，有 50%~80% 由风险偏好因
素的变动解释，而非租金增长或利率变动。
短期内房价的剧烈波动往往不是因为基本
面变了，而是投资者的“风险胃口”变了。
当市场进入亢奋期，住房风险溢价收缩，
推高房价；当市场对未来充满悲观情绪，
房产风险溢价提高，压低房价。
这两类模型背后的基本理念都是把房
价看作是房屋未来净收益的折现价值。区
别在于前者更侧重于解释房价的中长期价
值，后者纳入风险偏好以后能够更多解释
中短期内房价的大幅变化。
1. 构建兼顾房屋结构与土地价值的估
值模型
房屋的持有成本 （ user cost）可以表
示如下：
ωδ(t it)= +− ( ) Qt
Qt
(
(
)
)
（1）
ω 代表房屋持有成本， δ 代表房屋的
折旧和维护成本， i 是名义利率， Q 代表
房屋价值， Qt
Qt
(
(
)
)
代表房屋价值变化。这个
等式表达的含义是房屋的持有成本等于房
76
《金融市场研究》2026.09 VOL.172
金融评论
Financial Review
屋的折旧和维护成本，加上持有住房需要
付出的资金机会成本，减去房屋价值的变
化。国外文献中对房屋价值的讨论当中，
通常还会考虑到持有房屋的房地产税以及
相关的税收抵扣等，中国目前还没有广泛
征收房地产税，也没有普及的税收抵扣政
策，因此这里不考虑持有住房的税收成本。
房屋的租金收益表示为 Rt( ) ，用租金
收益除以房屋价值得到租金收益率
Rt Qt( ) / ( ) 。
均衡水平上，持有住房的成本等于房
屋租金收益，表示如下：
Qt Qt
Rt Qt(
(
)
)
= = +−ωδ(t it) ( ) (
(
)
)
（2）
将这个微分方程求解以后可以得到房
屋的内在价值：
Qt R e d( )=∫
∞
t
(ττ)
−+∫
τ
t
δ i s ds( )
（3）
这个公式的直观理解是 ：房屋价值
Qt( ) 等于未来所有时刻期望租金 R(τ) 的
折现总和，其中， e
−+∫
τ
t
(δ i s ds( )) 是从时间 τ
折现到时间 t 的折现因子。
将 iglong long 、 分别定义为利率和租金
增速的长期均衡值，则上述公式可以进一
步简化为：
Qt( )≈ iglong long +−
Rt
δ
( ) （4）
上述估值关系成立的一个基本条件是
长期租金增速低于相应的贴现率；当二者
较为接近时，估值结果对参数取值的变化
会较为敏感。
这里把房屋总价值 Q 分为两个部分，
一是一是房屋结构的价值 Qstruct ，二是二是房屋所占
据的土地的价值 Qland 。房屋结构价值在房
屋总价值 Q 中的占比等于 λ ，房屋所占据
的土地在房屋总价值中的占比等于
（ 1−λ ） 。房屋租金R 中，λ 的比例支付房
屋结构租金， （1−λ ）的比例支付房屋土
地租金。为减少模型参数数量，本文进一
步假设租金收入在房屋结构和土地之间的
分配比例与二者价值占比一致，因此在租
金分解中同样采用 λ 表示。该假设主要用
于构造住房价值拆分框架，不影响后续对
利率、租金增长预期和风险溢价变化影响
机制的分析。
基于上述定义和假设，房屋结构的价
值为：
Q t Re dstruct ( )= ×∫
∞
t
λτ τ( )
−+∫
τ
t
δ i s ds( )
（5）
房屋土地的价值为：
Qt Re dland ( )= −×∫
∞
t
(1 λτ τ) ( )
−∫
τ
t
i s ds( )
（6）
房屋的价值为：
Q Re d(t1) = × +−
×
∫∫
∞∞
tt
Re d
λτ τ λ
(ττ)
(
−∫
τ
t
)
i s ds( )
−+∫
τ
t
δ i s ds( )
( )
（7）
上述方程可以更简洁地表述为：
Qt( )≈+i g iglong long long long
λλ
+− −
× −×
δ
Rt Rt 1( ) ( ) ( ) （8）
ilong 代表名义利率的长期平均水平 ；
glong 代表房租增速的长期平均水平。
名义利率的长期平均水平可以表达为
如下形式：
irlong t long t= ++* πσ （9）
名义利率的长期平均水平包括三个部
分，一是一是（短期）实际均衡利率的长期平
VOL.172 2026.09《金融市场研究》
77
张斌，朱鹤 | 稳定房地产市场的政策工具选择——基于住房资产估值框架的分析
均水平 rt
* ，二是二是通货膨胀的长期平均水平
πlong ，三是三是风险溢价 σt 。也就是说，住房
资产的贴现率由无风险利率（前两部分之
和，可用长期国债利率近似）与房地产风
险溢价共同构成。
这里把长期的房租增速表达为通货膨
胀长期平均水平的（ 1+θ）倍。这个倍数
代表住房服务价格相对于该经济体所有商
品和服务价格的相对变化，也可以说是住
房服务的相对价格。
glong long= +(1 θπ) （10）
结合以上对名义利率和房租增速长期
水平的讨论，房屋价值可进一步表达为：
Qt( )= +rrt t long t t long
**+− + +−σ θπ δ σ θπ
λλ× −×Rt Rt( ) (1 ) ( ) （11）
2. 房地产内在价值的决定因素
与 Poterba (1984) 相比，前文估值模型
没有考虑房地产税收和税收抵扣等因素对
房屋估值的影响，但把房屋结构和房屋所
占用土地的价值做了区分。这个做法更贴
近中国现实当中缺少房地产税收，且土地
在房地产中的价值占比较高的特点。
基于前文模型，决定未来房屋价值变
化的主要是四个因素（图 1）。
一是一是均衡实际利率。当经济处于充分
就业状态、通胀稳定时，既不会加速也不
会减缓经济增长的“中性”实际利率水平。
主要取决于两方面力量的对比：储蓄意愿
和投资需求。储蓄意愿越强，投资需求越
低，会拉低均衡实际利率；反之储蓄意愿
越弱，投资需求越强，会抬高均衡实际利
率。实际利率越高房价越低，原因在于实
际利率越高，未来收益折现到今天的价值
越低，对房屋估值是压制作用；也可以理
解为实际利率高意味着持有房地产面临着
较高的机会成本，房屋带来的净收益较低。
二是二是 通货膨胀率。通货膨胀率越高，
该经济体一揽子商品和服务的价格越高，
房屋的名义租金越高，房屋的名义估值也
会越高。通货膨胀率背后有需求变化、供
给冲击等一系列复杂的决定因素。拉长时
间看，无论供给方力量如何变化，或外部
环境如何变化，宏观经济管理当局总可以
通过货币总量的调节管理需求方，决定长
期的通货膨胀水平。
三是三是房屋的相对价格。住房服务相对
价格的变化，取决于以下几个因素：①房地
产行业以外其他行业的相对生产率变化。如
果其他行业有显著的生产率提升，而住房服
务本身缺少显著的生产率提升，则住房服
务的相对价格上升，即巴拉萨-萨缪尔森效
应（Balassa，1964；Samuelson，1964）；②消
费偏好变化。如果随着收入增长，消费者对
住房服务的偏好上升，愿意把更多收入用在
住房服务上面，住房服务的相对价格上升
（Albouy et al.，2016）；③住房供给弹性。如
果住房供给缺乏弹性，显著的房屋价格提升
不能带来住房供给的相应上升，住房服务的
相对价格更高（Saiz，2010）。
在不同类型的城市，住房服务的相对价
格变化有显著差异。在人口流入、特别是高
技能人才大量流入的大城市，人才集聚会带
动城市生产率持续提升，住房服务的相对价
格会因此获益。这是巴拉萨-萨缪尔森效应
在空间经济学上的延伸。如果人口流入大城
市的住宅供给缺乏弹性，住房服务相对价格
的上涨会更加明显。对于人口流出、特别是
高技能劳动流出的城市，再加上充分的房屋
供给弹性，住房服务相对其他商品和服务的
价格难以上涨，甚至下跌。
四是四是风险溢价。风险溢价越高，说明
iMdjIAv4DFZgqd0v1PLpZSFAtDfqz3+KtqvSzQ59Qg+8/Suu55ScFS7ho/mp0whb
78
《金融市场研究》2026.09 VOL.172
金融评论
Financial Review
投资者对未来收益波动要求的风险补偿越
高，也可以理解为投资者认为的持有房地
产的机会成本越高，对房屋价值是压制作
用。风险溢价越低，投资者对房屋收益波
动要求的风险补偿越低，对房屋价值是提
升作用。风险溢价因素在中短期内往往是
决定房价波动最重要的力量，但是拉长时
间平均以后看对房价的中长期估值影响则
显著减弱。
三、如何看待当前的房地产市场估值
（一）把握房价、房租与房价租金比的
估值调整特征
自 2021 年以来，中国住房价格和房租
价格都显著下跌。住房价格方面，以北京、
上海、深圳为代表的三个特大城市， 2026
年一季度房价较 2021 年一季度平均下跌
23%，其他以省会城市为主体的 30 个重点
城市房价平均下跌 34% ；房租方面 ，北
上深 2026 年一季度房租较 2021 年一季度
平均下降 4.9%，30 个重点城市平均下跌
11.3%（图 2） 。房价租金比 （房价/ 年租金，
下文简称租售比）方面，北上深在此期间
从 53 倍下降到 43 倍，其他重点城市从 49
倍下降到 36 倍（图 3）。
从跨国对比角度看，中国北京、上
海、深圳等大城市住宅的租售比一度显
著高于国际大城市，其他重点城市的租
售比也处于较高水平。考虑到发达国家
住房中有较高的房地产税，经过税收调
整后的房价与租金净收益之比会显著上
升，但即便如此，中国住宅与发达国家
经过调整后的租售比相比仍然处于高位。
经过过去几年的调整以后，中国大城市
住房的租售比已经回落到与发达国家大
城市相近的水平（图 4）。
（二）估值为何下跌？
结合上面的模型来解释， 2021 年以来
图 1 房地产内在价值的决定因素
߭
ഄᅺ໎
၃ᅯॏ
߭
ํा૧୲
ࠓ
ႎ
ཚऋቯ୲
ਆ
߭
रຍօ
Ⴀ
୲
ࡻ
VOL.172 2026.09《金融市场研究》
79
张斌，朱鹤 | 稳定房地产市场的政策工具选择——基于住房资产估值框架的分析
图 2 北上深与其他重点城市的房价和房租（2019Q1—2026Q1）
图 3 北上深与其他重点城市的租售比（2019Q1—2026Q1）
数据来源：贝壳二手房数据库，Wind。
数据来源：贝壳二手房数据库，Wind。
71/1
81/1
91/1
:1/1
211/1
221/1
231/1
51!111
56!111
61!111
66!111
71!111
76!111
ፀ
ॏፀDŽᆸዡDž
37/1
38/1
39/1
3:/1
41/1
42/1
43/1
44/1
45/1
46/1
47/1
6!111
8!111
:!111
22!111
24!111
26!111
28!111
2:!111
32!111
34!111
ፀ
ፀDŽᆸዡDž
312:R2312:R53131R43132R33133R23133R53134R43135R33136R23136R5 312:R2312:R53131R43132R33133R23133R53134R43135R33136R23136R5
0ሆ0ሆ
41/1
46/1
51/1
56/1
61/1
66/1
71/1
312:R2
312:R4
3131R2
3131R4
3132R2
3132R4
3133R2
3133R4
3134R2
3134R4
3135R2
3135R4
3136R2
3136R4
3137R2
ԛฉศ ፀԲ
41/1
46/1
51/1
56/1
61/1
66/1
312:R2
312:R4
3131R2
3131R4
3132R2
3132R4
3133R2
3133R4
3134R2
3134R4
3135R2
3135R4
3136R2
3136R4
3137R2
ፀԲ
对房地产估值的变化背后有三方面的因素。
一是一是利率的调整 。以 10 年期国债利
率为例 ，从 2021 年的 3.2% 下降到 2025
年的 1.8% 左右 ，这对房地产估值是提升
作用。
二是二是房租增速下降。 2018— 2021 年，
北上深房租年均增速 5.3%，其他重点城市
2% ；2021— 2025 年 ，北上深房租年均增
速-0.6%，其他重点城市 -1.6%。两个期间
相比，房租增速出现了由升转降的转折性
变化。把房租增速分解为 CPI 增速和房租
相对增速两个变化部分（图 5） 。这里我们
41/1
46/1
51/1
56/1
61/1
66/1
71/1
312:R2
312:R4
3131R2
3131R4
3132R2
3132R4
3133R2
3133R4
3134R2
3134R4
3135R2
3135R4
3136R2
3136R4
3137R2
ԛฉศ ፀԲ
41/1
46/1
51/1
56/1
61/1
66/1
312:R2
312:R4
3131R2
3131R4
3132R2
3132R4
3133R2
3133R4
3134R2
3134R4
3135R2
3135R4
3136R2
3136R4
3137R2
ፀԲ
71/1
81/1
91/1
:1/1
211/1
221/1
231/1
51!111
56!111
61!111
66!111
71!111
76!111
ፀ
ፀDŽᆸዡDž
37/1
38/1
39/1
3:/1
41/1
42/1
43/1
44/1
45/1
46/1
47/1
6!111
8!111
:!111
22!111
24!111
26!111
28!111
2:!111
32!111
34!111
ፀ
ॏፀDŽᆸዡDž
312:R2312:R53131R43132R33133R23133R53134R43135R33136R23136R5 312:R2312:R53131R43132R33133R23133R53134R43135R33136R23136R5
0ሆ
80
《金融市场研究》2026.09 VOL.172
金融评论
Financial Review
采用了与其他国家计算方法更加一致的、
经过调整后的 CPI 水平 1，2021—2025 年期
1 盛中明.重新思考CPI和真实利率[EB/OL].中国 金 融四十人 论 坛CF40 研究，(2024-08-11).http://www.cf40.org.
cn/news_detail/13951.html. 该调整口径采用机会成本法重新估算自有住房租金并相应调整CPI，测 算 结 果 并
非国家 统计局公 布的官方CPI；文 中2021—2025年-1%系按该口径的测算值。
间大约在-1%。可以看出房租下降的主要
原因来自 CPI 增速下降，北上深的房租增
速稍高于同期 CPI 增速，其他重点城市房
租增速稍低于 CPI 增速。
三是三是（事前）风险溢价上升。风险溢
价是房地产投资者在购房决策时对承担房
地产价格和租金不确定性所要求的预期补
偿，特别是在对未来房价变化预期从非常
乐观转向中性甚至悲观的情况下，投资者
会要求更高的风险溢价才愿意投资住房资
产。随着房租从较高的正增长转向负增长，
对房地产投资会要求更高的风险溢价。这
里所说的是事前的风险溢价，从事后实现
的房地产超额收益来看，中国 2021 年以
来租金收益率加上房价增速，远远低于长
期国债利率，这意味着房地产投资者事后
得不到风险补偿。一方面是事前风险溢价
上升，投资者在新的环境下要求更高的风
险溢价；另一方面从事后来看，已实现的
房地产超额收益不仅没有上升反而下降，
由此带来的结果是购房需求下降和房价
下降。
仅从模型角度看，可以把 2021 年以
来的房价下行归结为：利率下行，不足以
抵消房屋租金下行以及由此带来的风险溢
价上升，带来房屋估值下行。这仅是基于
模型估值角度给出的解释。除了这些原因，
2021 年以来还有其他因素对短期内的房价
带来显著冲击，比如，公共卫生事件的冲
击、诸多开发商陷入债务困境并难以按时
交付房产、部分开发商为应对流动性困境
在短期内显著低于市场价卖房等。从事后
图 4 剔除税收影响后的房价租金比国际比较
图 5 2021—2025年房租增速的分解
注：国际城市房价租金比在可获得的房价和租金数据
基础上计算，并对住房持有环节的经常性不动产税进
行简化调整。设原始房价租金比为 PR，经常性不动
产税负占住房价值的比例为 τ，则税前租金收益率为
1/PR，扣除持有税后的净租金收益率为 1/PR-τ。税收
调整仅考虑经常性住房持有税，不考虑交易税、资本
利得税及租金所得税。 由于各经济体的住房统计口径、
房产税计税基础和税率存在差异，国际比较主要用于
观察估值数量级，不宜视为严格同口径比较。
数据来源：Numbeo，经作者计算。
注： 房租增速等于CPI 增速与房租相对价格变化之和。
54 47 3:
51 47
94
61 56 51
1
21
31
41
51
61
71
81
91
:1
Ӥଠ ဒႎेೢ
1/5&
.1/7&
.2&
.1/7&
.2/7&
.2&
.3/1&
.2/6&
.2/1&
.1/6&
1/1&
1/6&
ፀሺ DQJ
ԛฉศ
VOL.172 2026.09《金融市场研究》
81
张斌，朱鹤 | 稳定房地产市场的政策工具选择——基于住房资产估值框架的分析
观察的角度看，房价与房租的下行是相似
的持续过程，其他诸如公共卫生事件的冲
击、房屋交付风险和开发商的折价出售主
要是在某些特定时间段有更明显影响。
四、情景分析
本文根据已有的房租数据，结合对模
型中参数的赋值，计算得到房屋的内在价
值。用模型计算的内在价值与现实中的房
价做出对比，以此判断当前的房屋估值水
平。上述模型中，有些参数在长期内保持
稳定，比如，折旧和维护成本，房屋结构
在房屋全部价值的占比等，这里结合现实
中的调查给予赋值。有些参数，比如，十
年期国债利率、风险溢价、房租增速，对
应的是这些变量未来中长期内的取值。本
文采取情景分析的方法，给出不同情景下
这些变量的赋值，计算不同情景下的房屋
估值。
①房租 R ：采用 2026 年一季度北京、
上海和深圳的平均房租，以及其他重点城
市的平均房租水平。
②房屋结构在房屋价值中的占比 λ 。
对于北京、上海、深圳这些特大城市而言，
建筑成本、各种中间费用以及企业盈利和
税费、土地成本在房价中的占比大约在 2 ：
2 ：6，这里将北上深几个特大城市的 λ 取
值设定为 0.3。其他重点城市，建筑成本、
各种中间费用以及企业盈利和税费、土地
成本在房价中的占比大约在 4 ：2 ：4。房
屋结构和土地在房价中的占比相同，这里
将其他重点城市的 λ 取值为 0.5。
1 各经济体CPI与主要城市租金的长期变化可参见国际货币基金组织 《世界经济展望》 数据库及OECD 住房价格
数 据 库（Analytical House Prices Indicators ）。
③折旧和维护费用 δ 。为简化测算，
房屋结构按照 70 年使用期折算年度折旧
率，约为 1.43%。房屋维护费用包括了日
常维修、物业管理支出以及专项维修基金
的计提 ，大约为房屋结构价值的 0.33%。
二者合计δ =1.8% 。
④利率 i 。这里采用了近一年的十年
期国债利率平均值，取值 1.8%。
⑤租金增速 g 和风险溢价 σ ，这里考
虑了两种情景。
（一）观察中性情景下的估值修复空间
（表 1）
房租增速。将房租分解为两个部分，
一部分是通货膨胀率 CPI，另一部分是房
租和 CPI 的相对价格变化。目前中国人均
GDP 按照名义汇率计算是 1.4 万美元，按
照购买力平价计算人均 GDP 大约 3 万美
元。我们重点参考了美国和欧洲人均 GDP
超过 3 万美元以后的 CPI 和房租相对价格
变化 1。平均来看， 美国和欧洲的CPI 大体
维持在 2% 左右，美国稍高于这个水平，
欧洲稍低于这个水平。以纽约、伦敦为代
表的大城市住房供给缺乏弹性，房租涨幅
超过 CPI1~1.5 个百分点 ，普通城市住房
供给弹性较高，房租大约与 CPI 持平。欧
洲的巴黎、柏林等大城市房租受到较多政
策管制，涨幅超过 CPI 大约 0.5 个百分点，
普通城市房租大约与 CPI 持平。参考这些
经验，这里将北上深和其他重点城市的房
租增速取值分别为 3% 和 2%。
风险溢价 。北上深和其他重点城市
82
《金融市场研究》2026.09 VOL.172
金融评论
Financial Review
的房屋资产的风险溢价取值分别为 2.5%
和 3%，依据如下：住房风险溢价属于事
前不可直接观测变量 ，本文参考住房使
用成本文献的常见参数范围进行情景校
准。Himmelberg et al.（2005）的住房使
用成本框架及后续相关研究通常采用约
2% 的住房风险溢价 ， Poterba（1991）的
经典测算则采用 4% 的房地产投资风险溢
价，因此 2%~4% 可作为住房风险溢价的
一个参考校准区间 。进一步地 ， Amaral
et al.（2021）基于 27 个国际大城市的
长期住房回报数据发现 ，核心大城市住
房的长期 总回报低于本国其他地区 ，住
房风险也随城市规模上升而下降 ，这意
味着核心城市住房所要求的风险补偿可
能相对较低 。综合上述文献 ，中性情景
下本文将北上深的住房风险溢价设为
2.5%，其他重点城市设为 3%，二者差 异
的来源在于前者更高且稳定的房租上涨
预期。
将上述参数代入模型以后，北上深的
模型隐含房价是 6.7 万元 / 平方米，模型隐
含租售比是 64 倍，明显高于现实中的房价
4.5 万元 / 平方米和租售比 43 倍。重点城
市的隐含房价是 1 万元 / 平方米，模型隐
含租售比是 29 倍， 稍低于现实中的房价1.3
万元 / 平方米和租售比 36 倍。
（二）警惕低迷情景下的继续调整压力
（表 2）
房租增速。这里主要参考日本人均收
入超过 3 万美元以后的经验赋值。按照购
买力平价计算的日本人均 GDP 在 2002 年
超过 3 万美元，此后 20 年里，日本 CPI 平
均保持在 0 左右的低位，全国房租与 CPI
表 1 中性情景下的房屋估值测算
北上深 其他重点城市
房租 R 88.2 房租 29.2
折旧和维护δ 1.8% 折旧和维护 1.8%
房屋结构占比λ 30% 房屋结构占比 50.0%
长期国债利率 i 1.8% 长期国债利率 1.8%
风险溢价 σ 2.5% 风险溢价 3.0%
租金增速 g 3.0% 租金增速 2.0%
计算公式： Qt( )= +i gi g++− +−σσ
λ×
δ
R (1−×λ) R
房屋结构价值 10 243 房屋结构价值 3 811
土地价值 56 991 土地价值 6 261
模型隐含房价 67 233 模型隐含房价 10 072
实际房价 45 027 实际房价 13 001
模型租售比 64 模型租售比 29
实际租售比 43 实际租售比 36
注：房租为 2026 年一季度水平，单位为元 / 平方米 / 月；房屋结构价值、土地价值、模型隐含房价与实际房
价单位为元 / 平方米。
VOL.172 2026.09《金融市场研究》
83
张斌，朱鹤 | 稳定房地产市场的政策工具选择——基于住房资产估值框架的分析
大致持平 ，其中东京房租涨幅高于全国
CPI 约 0.5 个百分点，人口流出城市低于
全国 CPI 约 0.5 个百分点 1。这里我们假定
低迷情景下，CPI 持续保持在 1%，北上深
房租增速高于 CPI 大约 0.5 个百分点，其
他重点城市房租增速与 CPI 增速持平。
风险溢价 。在低迷的房地产市场环
境下，投资者会要求较高的风险溢价，补
偿可能面临的投资损失。从日本的情况来
看，东京地区的房产风险溢价在 3.5%~4%
之间。这里将北上深的房产风险溢价取值
3.5%，其他重点城市取值 4%，二者差异
的来源在于后者更低的房租增长预期。
将上述参数代入模型以后，北上深的
模型隐含房价是 2.5 万元 / 平方米，模型隐
1 日本CPI及东京房租数据可参见日本总务省统计局消费者物价指数 （含房租分 项） 。
含租售比是 24 倍，明显低于现实中的房价
4.5 万元 / 平方米和租售比 43 倍。重点城
市的隐含房价是 0.63 万元 / 平方米，模型
隐含租售比是 18 倍，显著低于现实中的房
价 1.3 万元 / 平方米和租售比 36 倍。
通过这两种情景的比较可以看到，在
不同的宏观经济大环境下，对房地产的估
值会带来巨大影响。如果能保持稳定合理
的总需求水平和物价水平，大城市往往会
有比 CPI 增速更高、不低于 2%~3% 的房
租增速，这不仅带来了直接的资产回报，
也有利于降低投资者持有房地产资产的风
险溢价，房地产能够得到较高估值。反之，
如果总需求水平和物价水平持续低迷，即
便是大城市的房租也难以显著超过 CPI 增
表 2 低迷情景下的房屋估值测算
北上深 其他重点城市
房租 R 88.2 房租 R 29.2
折旧和维护 1.8% 折旧和维护 1.8%
房屋结构占比 30% 房屋结构占比 50%
长期国债利率 1.8% 长期国债利率 1.8%
风险溢价 3.5% 风险溢价 4.0%
租金增速 1.5% 租金增速 1.0%
计算公式： Qt( )= +i gi g++− +−σσ
λ×
δ
R (1−×λ) R
房屋结构价值 5 670 房屋结构价值 2 656
土地价值 19 497 土地价值 3 652
模型隐含房价 25 167 模型隐含房价 6 308
实际房价 45 027 实际房价 13 001
模型租售比 24 模型租售比 18
实际租售比 43 实际租售比 36
注：单位与数据时点同表 1。
84
《金融市场研究》2026.09 VOL.172
金融评论
Financial Review
速，投资者对房地产投资会要求很高的风
险溢价，房地产的估值也非常低。
需要说明的是，上述测算结果对关键
参数的取值较为敏感。以北上深的中性情
景为例，若风险溢价假设上调 0.5 个百分
点，模型隐含房价将由 6.7 万元 / 平米降至
约 5.0 万元 / 平方米；反之，若风险溢价假
设下调 0.5 个百分点，模型隐含房价将升
至约 10.5 万元 / 平方米。其他重点城市的
方向相同、幅度相对较小。这一敏感性也
说明，本文情景测算的意义主要在于给出
不同宏观环境下的估值区间，而非精确的
点位预测。
五、激发购房需求的政策工具选择
当前环境下，购房与购买其他资产相
比处于劣势。在未来房地产投资收益难以
得到明确预期以前，卖房换成其他形式的
金融资产，租房而不是买房成了更合理的
选择。
直观地看，买债券获得每年 2% 左右
的无风险收益。买股票， 买大型银行、 能源、
公用事业、电信运营商的股票，获得每年
4%~6% 的分红收益，未来投资收益有波动
但是波动并不剧烈；如果投资者愿意承担
更高风险，相应的预期投资回报也会更高。
买房地产，目前只有 1.5%~2.5% 的不稳定
收益，这个收益与无风险资产相比没有优
势但要承担很大的资产收益率波动风险，
与风险资产相比收益率过低，得不到足够
的风险补偿。
结合上面模型来看 ，如果未来宏观
经济大环境和房租有更明确的稳定增长预
期，以北上深为代表的大城市房产仍有较
高投资价值，其他重点城市房价进一步下
行的压力也相对有限。如果未来仍难以摆
脱低迷的物价水平，房租增速难有出色表
现，全国房价仍面临进一步的大幅向下调
整空间。
扩大购房需求的政策工具和手段有很
多种。这要求我们甄别当前房地产市场相
关政策的作用机制，找到能够切实激发购
房需求的政策调整。
方案 1 ：方案 1 ：侧重供给侧和开发商债务风
险的政策。相关政策建议包括：通过政府
出面“收储” ，降低房地产市场现有的库
存，改善部分开发商和地方融资平台的现
金流。针对开发商面临的债务困境， 将“风
险处置”与“正常融资”隔离，支持房企
合理融资需求。确保项目建设交付，阻断
房地产风险向金融体系蔓延。这些政策对
于改善保障房供应、缓解房地产开发企业
债务压力，隔离金融风险蔓延有帮助。在
特定时间段对于保障交房、防止由于交付
风险带来的成交低迷和房价下行也有帮
助。时至今日，这些政策仍有必要，但从
本文关注的住房资产估值和购房需求渠道
看，这些政策对于理顺价格机制、直接改
善购房收益预期的作用仍相对有限。
方案 2 ：方案 2 ：关注需求方，放开限购限售。
就目前的各种比价关系而言，卖房换成其
他形式的金融资产，租房而不是买房成了
更合理的选择。只有少部分财力充裕、租
房不能满足其需求、为获得自有住宅而不
在乎付出较高溢价的群体才会买房。这种
情况下放开限购限售对房地产市场带来的
改变很有限。当然，放开限购限售的意义
不限于房价变化，这对于人口合理流动和
城市发展也有重要意义，这个政策值得做，
但在激发购房活力方面的作用同样相对
有限。
方案 3 ：方案 3 ：市场自发出清。从上面的估
VOL.172 2026.09《金融市场研究》
85
张斌，朱鹤 | 稳定房地产市场的政策工具选择——基于住房资产估值框架的分析
值模型来看，在利率、通货膨胀和房屋租
金没有显著改变的情况下，按照本文低迷
情景的参数设定，需要房地产价格在目前
的基础上再下降一半左右，才可能让房地
产重新具备投资价值。如果考虑到房价下
降过程中带来风险溢价的再度恶化，房价
下跌与风险溢价攀升会形成自我放大的循
环，这个方案最终会要求多大的价格调整
才能让房地产市场重新出清很不确定。
方案 4 ：方案 4 ：充分的逆周期政策，改变整
体物价水平。通过更大幅度的逆周期政策，
特别是降低政策利率，可以通过三个渠道
支撑房价上升。 一是一是利率下降直接降低住
房资产的贴现率 ，有利于提高估值 ； 二二
是是改变整体物价水平，名义房租增速会在
这个过程中改善，有助于提高估值； 三是三是
市场预期改善可能带动风险溢价下降，同
样有助于提高估值。在房地产市场重新形
成稳定的估值基础以后，中长期的住房制
度建设仍需继续推进 。这种情景下 ，拉
长时间看 ，房地产税 ，特别是针对北上
深这样大城市的房地产税就有必要提上
日程。
学术编辑：卢超群
参考文献
[1] Albouy D, Ehrlich G, Liu Y. Housing demand, cost-of-living inequality, and the affordability crisis[R].National
Bureau of Economic Research, Working Paper No. 22816,2016.
[2] Amaral F, Dohmen M, Kohl S, et al. Superstar returns[R]. New York: Federal Reserve Bank of New York, 2021.
[3] Balassa B. The purchasing-power parity doctrine: a reappraisal[J].Journal of Political Economy,1964,72(6):584-596.
[4] Baumol W J.Macroeconomics of unbalanced growth: the anatomy of urban crisis[J].The American Economic
Review, 1967, 57(3): 415-426.
[5 ] Campbell J Y, Shiller R J.The dividend-price ratio and expectations of future dividends and discount factors[J].The
Review of Financial Studies,1988,1(3):195-228.
[6 ] Campbell S D,Davis M A,Gallin J, et al.What moves housing markets: a variance decomposition of the rent-price
ratio[J]. Journal of Urban Economics,2009, 66(2):90-102.
[7 ] Poterba J M.Tax subsidies to owner-occupied housing: an asset-market approach[J].The Quarterly Journal of
Economics,1984, 99(4):729-752.
[8 ] Saiz A.The geographic determinants of housing supply[J].The Quarterly Journal of Economics, 2010,125(3):1253-
1296.
[9] Samuelson P A.Theoretical notes on trade problems[J].The Review of Economics and Statistics,1964, 46(2):145-154.
[10] Himmelberg C,Mayer C,Sinai T.Assessing high house prices: bubbles, fundamentals and misperceptions [J]. Journal
of Economic Perspectives, 2005,19(4):67-92.
[11] Poterba J M.House price dynamics: the role of tax policy and demography[J].Brookings Papers on Economic
Activity,1991(2):143-204.
Policy Choices for Stabilizing the Real Estate Market—An Analysis Based on a Housing Asset
Valuation Framework
ZHANG Bin1 ZHU He 2
(1. Institute of World Economics and Politics, Chinese Academy of Social Sciences;
2. Research Department, China Finance 40 Forum)
Abstract This paper develops a housing valuation model as part of an effort to identify the sources of the sharp
decline in housing prices since 2021. The model employs a discounted cash flow framework that distinguishes
86
《金融市场研究》2026.09 VOL.172
金融评论
Financial Review
between the value of residential structures and that of land. The results of this study indicate that slower rental growth
and a higher risk premium have been the main drivers of the housing price decline, while lower interest rates have
been insufficient to offset their effects. Scenario analysis shows that, under the neutral scenario, housing prices in
Beijing, Shanghai, and Shenzhen have room to rise, whereas under the pessimistic scenario, housing prices nationwide
remain subject to considerable downward pressure. After comparing various policy instruments, this paper argues
that supply-side policies and measures such as lifting home-purchase and resale restrictions are unlikely to directly
improve expected returns on housing investment. However, a sufficiently strong countercyclical policy response—
particularly a reduction in policy interest rates—can raise housing valuations and stimulate housing demand. Three
channels have been identified: lowering the discount rate, improving expectations for rental growth, and reducing the
risk premium. The study suggests this combined response could be a successful policy option for stabilizing the real
estate market at present.
Keywords Real Estate Valuation, Price-to-rent Ratio, Risk Premium, Countercyclical Policy
JEL Classification E52 G12 R31