上市房企购地行为与企业资本市场表现
陈子潇, 梁尧, 刘洪玉    
清华大学 建设管理系, 北京 100084
摘要:研究上市房企购地行为与其资本市场表现的关系,有助于上市房企进行市值管理以及资本市场投资者评价、选择上市企业。该文以中国A股上市房企为研究对象,通过回归分析研究房企在2009—2021年间购地数和进入城市数等购地行为对企业投资价值和风险的影响。研究结果表明:整个研究期间,上市房企投资价值与进入城市数之间存在倒U形关系,一定范围内企业投资价值随着进入城市数的增多而提高;在2017年以来的市场下行期,进入城市数对房企投资价值的提高效果降低,同时对房企风险的提高效果增大,表明资本市场对房企区域扩张型购地的反应发生了变化;购地数对房企资本市场表现的影响不及进入城市数显著;非国有、小型或上市时长较短房企的资本市场表现受其购地行为的影响更显著。建议房企关注资本市场的反馈并及时调整购地策略;资本市场投资者关注区域深耕型房企;政府要重视市场结构变化,从关注房企投资需求向关注最终空间使用需求的方向转变。
关键词上市房企    购地行为    资本市场表现    企业投资价值    企业风险    
Land-buying behaviors of listed real estate firms and their capital market performance
CHEN Zixiao, LIANG Yao, LIU Hongyu    
Department of Construction Management, Tsinghua University, Beijing 100084, China
Abstract: [Objective] High-quality development and exploration of a new development model for the real estate industry has recently attracted considerable attention. Scale expansion and relevant land-buying are essential components of the development model. Much of the literature investigating land-buying behaviors of real estate firms has focused on the number of lands bought rather than the number of cities entered, which is also an important aspect. Besides buying lands, listed real estate firms must concern the market value management related to financing and investors' valuation. Therefore, this paper investigates the relationship between the land-buying behaviors of listed real estate firms and their capital market performance. Investors can build more efficient stock portfolios and real estate firms can improve land-buying strategies based on the results. [Methods] We employed regression analysis to estimate the influence of land-buying behaviors on the capital market performance of A-listed real estate firms. The data was primarily obtained from the CREIS and CSMAR databases, spanning from 2009 to 2021 and involving 87 firms. The model included the number of lands bought, cities entered, and other aspects of land-buying behaviors. Capital market performance was divided into two aspects: firm investment value and firm risk, which are represented using Tobin's Q and Beta coefficients, respectively. The model also controlled firm and manager characteristics, financial ratios, and market environment and employed the two-way fixed effect ordinary least squares (OLS) method. The heterogeneity effect on ownership, firm scale, and year of listing was explored using a regression on the subsample, while robustness testing was conducted by handling extreme values. Finally, we discussed a potential channel through which land-buying behaviors affected the capital market performance. [Results] The results show an inverted U-shaped relation between the firm investment value and number of cities entered; furthermore, the investment value increases when more cities are entered within a certain range throughout the study period. In the market downturn period, i.e., since 2017, the lifting effect due to entering more cities on the firm investment value has decreased, while that on firm risk has increased. Comparatively, the effect of the number of lands bought on capital market performance is not as important as that of the number of cities entered. The capital market performance of non-state-owned, smaller, or shorter-listed real estate firms is more affected by their land-buying behaviors. The impact of land-buying behaviors on capital market performance passes through the land-buying expense and sale revenue ratio channel. [Conclusions] The findings indicate a change in the reaction of the capital market to the regional expansion of land-buying. We recommend that real estate firms respond to feedback from the capital market and adjust their land-buying strategies in time, especially when selecting and entering more cities. Furthermore, investors should pay attention to region-focused real estate firms. The findings also suggest that the government should be cautious about structural changes in the real estate market, and a shift from focusing on the investment demand of real estate firms to focusing on the end-use demand of space is required to coordinate and guide the further improvement of the development model.
Key words: listed real estate firms    land-buying behavior    capital market performance    firm investment value    firm risk    

实现房地产业的健康发展对国民经济有着重要意义。在经济结构转型、城镇化放缓、人口结构变化的同时,房地产业“高负债、高杠杆、高周转”、追求规模扩张的模式不仅受到政策制约[1],也加大了系统性金融风险[2]。2021年中央经济工作会议提及要“促进房地产业良性循环和健康发展”,房地产业应“探索新的发展模式”。房地产企业应转向高质量发展已经是行业与社会的共识。

中国房地产业具有典型的重资产属性,其发展模式的关键之一为投资。土地储备是房企重要的资产[3]。房企通过购地获取土地储备的同时,也进入了土地所在地的市场。学界通常将单个城市视为房企的单个市场[4]。现实中,房企不仅在购地数上存在区别,在进入城市数上也存在2种“对立”的行为:区域深耕(数量少)和区域扩张(数量多)。本研究主要关注房企购地行为中的购地数和进入城市数,同时也对购地楼面价及溢价率进行了分析。

在转向高质量发展的过程中,上市房企的市值管理尤为重要,这关系着资本市场投资者的评价、选择以及企业融资。相应地,上市企业行为与其资本市场表现的关系受到了学界广泛关注[5]。本研究中企业资本市场表现包括两方面:企业股票投资价值(简称企业投资价值)[6-8]和企业股票系统性风险(简称企业风险)[9]

现有文献未充分关注房企购地行为与其资本市场表现的关系。多数文献侧重于分析调控政策[6]和企业特征[7]对房企投资价值的影响,对房企投资行为的讨论以分析城市选择[4]、多元化程度[8]、过度投资[10]居多。张红等[11]、赵伟和尹礼汇[12]涉及了房企进入城市这方面问题,但未深入研究进入城市数的影响。本研究以中国A股上市房地产开发企业(简称房企)为研究对象,实证考察了2009—2021年间购地行为对企业投资价值和风险的影响,并分析了股权性质、企业规模和上市时长3个维度的异质性,探讨了影响渠道。本研究结果对上市房企市值管理、购地行为和房地产业发展模式的研究进行了有益补充,对房企购地策略、资本市场投资者股票投资策略和政府房地产政策具有借鉴意义。

1 理论分析与假设

从资源依赖理论和资源基础理论出发,房企进入城市数多或少均有利弊。房企进入大量城市购地可以实现资源互补和分散风险,但会面临市场开发[13]和企业管理的挑战[14];进入少量城市购地有利于建立比较优势和“护城河”[15],但会产生机会成本。具体购地策略应结合实际情况确定。现实中,市场上行期进入大量城市的房企往往能快速扩大规模,但市场下行期部分进入大量城市的房企却陷入财务困境。因此,房企购地行为对企业的影响在市场上行期和下行期可能存在差异。

从投资组合理论出发[16],在成本方面,房企购地涉及的成本在市场下行期仍处于较高水平:土地价格居高不下,金融机构出于谨慎和监管要求提高融资门槛。在利润方面,房地产开发逐渐失去了机会型投资的特征,向低利润型投资靠近。除了成本因素外,新建住房的需求、限房价和限购等政策使得房地产开发利润被压缩。在不确定性方面,进入城市越多,房企面临的不确定性来源越多。通过城市组合减小不确定性的前提是不同城市市场间存在弱正相关或负相关性[4, 16]。在市场下行期,大量城市的共同趋势是购地涉及的成本高、房地产开发利润低,此时构建能减小不确定性的城市组合更加困难,进入大量城市对房企的管理和财务能力提出了更高的要求。综上,本研究提出假设1:

假设1  在市场下行期,房企进入城市数的增加提高了企业风险。

已有文献表明,房企的土地储备并非越多越好,而是存在最优规模[17];土地储备规模与企业投资价值呈倒U形关系[12]。类似地,房企进入城市数过多,可能给企业带来过高的管理成本和资金压力;相反,如果进入城市数过少,房企难以充分利用企业资源,可能丧失潜在的市场,业务规模受限,同样不利于企业投资价值的提升。因此,本研究提出假设2:

假设2  房企进入城市数与企业投资价值存在倒U形关系。

房企购地行为可能通过多个渠道影响其资本市场表现。1) 土地储备渠道。房企购地直接增加了土地储备,除满足开发需要外,还有利于抵御甚至利用市场不确定性与周期性[12]。2) 拿地销售比渠道。房企购地成本提升也直接增加了拿地支出,本期销售金额一定时,拿地支出大的房企购地更加激进。在追求“三高”和规模扩张的市场中,购地激进的房企能受到市场关注,并借此树立企业形象和展现企业能力[18]。拿地支出增大也说明市场对未来房价上涨存在乐观预期。因此,拿地销售比不同的房企可能具有不同的资本市场表现。已有文献证明了存在土地储备渠道[12],本研究对拿地销售比渠道进行分析,提出假设3:

假设3  房企购地行为通过拿地销售比渠道影响企业投资价值和风险。

2 实证研究设计 2.1 模型与变量设定

基准回归和针对假设1的实证模型如式(1)所示。

$Y_{i t}=C+\beta_1 N_{\mathrm{C} i t}+\beta_2 N_{\mathrm{L} i t}+\beta X_{i t}+\theta_i+\delta_t+\varepsilon_{i t}.$ (1)

其中:Yit为被解释变量,表示房企it年末企业投资价值或企业风险。NCitNLit分别代表进入城市数和购地数,进入城市数指房企通过购地进入的城市个数。Xit为控制变量,其中与购地行为相关的变量包括购得地块的平均溢价率premit和楼面均价对数lnfpit。Hausman检验表明需要控制个体固定效应θiδt为时间固定效应。C为常数项,β1β2β为对应变量的系数,εit为误差项。标准误使用异方差稳健标准误。

参考张红等[11]的研究,本文认为房企的购地行为和控制变量所表示的特征在一年内能够传导至资本市场,故不引入滞后项。房企购地和进入城市的结构(例如于一线城市购地数占比和进入城市中一线城市占比)也属于其购地行为的一个方面,但加入相应变量后并未得到显著结果,且会导致共线性问题,因此本研究不对该方面进行分析。

针对假设2,本文在式(1)的基础上加入了NCitNLit的平方项。针对假设3,房企购地数的增多会导致拿地支出增多,该规律比较直观。本研究通过式(2)验证拿地销售比是否会显著影响企业投资价值和风险。根据拿地销售比的定义,且考虑到杠杆拿地和权益拿地在资金压力和资本成本上的不同,拿地销售比渠道变量采用权益拿地支出与销售金额之比eltosaleit、总拿地支出与销售金额之比ltosaleit。其他模型设置与式(1)一致。

$\begin{gathered}Y_{i t}=C+\alpha_1 \text {eltosale}_{i t}+\alpha_2 \text {ltosale}_{i t}+ \\ \alpha X_{i t}+\theta_i+\delta_t+\varepsilon_{i t} .\end{gathered}$ (2)

式中:α1α2α为对应变量的系数。

在被解释变量的选择上,本研究使用Tobin Q(TobinQ)表示房企的投资价值。TobinQ衡量市场价值与重置成本之比,等于“市值/(资产总额-无形资产净额-商誉净额)”。TobinQ越高表明企业投资价值越高[6, 19]。使用Beta系数表征房企的风险。Beta系数计算的基准为沪深300指数,根据某年某房企各月的股票收益率计算。Beta越高,企业风险越高[9]。其他控制变量包括企业基本特征[15]、管理层特征[7]、财务特征[6]和市场环境[20]。所用变量的最大方差膨胀系数小于10,不存在严重共线性问题。变量含义与描述性统计结果见表 1所示。

表 1 变量含义与描述性统计
变量及其单位 含义 N 平均值 标准差 最小值 最大值
TobinQ Tobin Q 822 1.372 0.619 0.746 5.555
Beta Beta系数 811 1.054 0.795 -3.678 9.473
NC 进入城市个数 830 5.117 11.371 0 86.000
NL 购地个数 830 13.789 34.269 0 286.000
prem/% 平均溢价率 830 18.706 35.357 0 437.230
lnfp 楼面均价对数 830 5.443 4.056 0 10.869
eltosale 权益拿地支出/销售金额 465 0.349 0.600 0 9.975
ltosale 总拿地支出/销售金额 465 0.398 0.475 0 3.101
pcorshare 法人股比例 830 0.070 0.174 0 0.854
pmaleman/% 管理层男性占比 830 81.373 10.050 50.000 100.000
meanage/岁 管理层平均年龄 830 49.451 2.778 40.920 57.700
lnasset 资产对数 830 23.773 1.510 19.551 28.293
daratio 资产负债率 830 0.665 0.155 0.103 0.917
npgrate/% 净利润增长率 830 7.825 48.378 -109.071 997.157
roa 总资产利润率 830 0.032 0.025 -0.122 0.200
itrate 存货周转率 830 0.558 2.172 0.017 31.233
recindex 国房景气指数 830 99.389 3.133 93.340 103.660
lnhs300 沪深300指数对数 830 8.094 0.220 7.772 8.534

2.2 数据来源与处理

购地行为、拿地销售比数据来自中指数据库。基本特征、管理层特征、资本市场表现数据来自CSMAR数据库。市场环境数据来自CSMAR数据库和Wind数据库。房企的范围根据证监会2012版行业分类中的房地产业确定,剔除股票状态为非正常交易的样本。时间范围为2009年至2021年,涉及87家A股房企。

3 实证研究结果与分析 3.1 基准回归结果

2016年中央经济工作会议首次提出“房住不炒”和“因城施策”;2018年多个城市落实“四限”政策并打击非标行为;2019年房地产信贷逐渐紧缩。2017年常被学者认为是新一轮房地产紧缩型调控的开始[21]。为了检验假设1,本研究将2017年作为市场下行期的起始年,使用2017年及以后的数据作为回归样本。

基准回归结果如表 2所示。从整个研究期间来看,进入城市数对企业投资价值的影响为正且在0.01水平显著,对企业风险的影响为正且在0.1水平显著。列(3)进入城市数的系数约为列(1)系数的1/3;列(5)进入城市数的系数显著性高于列(4)系数,且系数大小约为后者的1.5倍。在市场下行期,进入城市数对企业投资价值的提高作用降低,对企业风险的提高作用增大,验证了假设1。进一步分析发现,NC2系数在0.01水平显著为负,说明进入城市数与企业投资价值存在倒U形关系,验证了假设2。根据列(2)系数估计出使得企业投资价值最大化的进入城市数约为56个。虽然该数值不具备较强的实际含义,但曾经进入56个以上城市的样本房企中,除了万科和保利外,金科、新城控股、阳光城等的信用评级均被大幅下调。NL2系数显著为正,这与赵伟和尹礼汇[12]单独考虑购地数的发现不一致;购地数的影响大小和显著性整体来看小于进入城市数。可能的原因是购地数与进入城市数、楼面均价和平均溢价率相关,在控制这些变量后购地数的影响降低,凸显了进入城市数的重要性。另外,表 2结果表明,购地数或进入城市数对房企资本市场表现的影响方向相同,即要么同时提高房企投资价值和风险,要么同时降低。这也在预料之中,因为房企股票作为一种证券,满足一般证券的“高风险、高收益”特征。楼面均价和溢价率对房企资本市场表现无显著影响。后续回归分析以列(1)和列(4)作为基准回归。

表 2 基准回归结果
(1)
TobinQ
(2)
TobinQ
(3)
TobinQ
2017年及以后
(4)
Beta
(5)
Beta
2017年及以后
NC 0.011 1***
(3.49)
0.035 3***
(6.02)
0.003 59**
(2.38)
0.020 1*
(1.79)
0.038 8**
(2.53)
NC2 -0.000 309***
(-4.69)
NL 0.000 221
(0.21)
-0.004 52***
(-3.37)
-0.000 138
(-0.28)
-0.006 74
(-1.59)
-0.014 7***
(-2.64)
NL2 0.000 018 8***
(4.29)
prem -0.000 442
(-1.59)
-0.000 478*
(-1.70)
-0.000 218
(-0.42)
-0.000 931
(-1.18)
-0.004 72
(-1.45)
lnfp 0.001 59
(0.38)
-0.000 840
(-0.20)
-0.001 74
(-0.56)
-0.006 28
(-0.69)
-0.011 2
(-0.59)
常数项 -26.80*
(-1.84)
-25.65*
(-1.77)
-57.653***
(-3.00)
-38.56
(-1.09)
26.549
(0.28)
控制变量 YES YES YES YES YES
样本量 822 822 309 811 310
调整R2 0.564 0.569 0.266 0.109 0.130
注:***在0.01水平显著,**在0.05水平显著,*在0.1水平显著;括号中为t统计量。下同。

3.2 异质性分析 3.2.1 股权性质

表 3列出了房企的股权性质异质性分析结果。从企业投资价值来看,非国有房企受进入城市数的影响更大,约是国有房企的1.5倍。从企业风险来看,进入城市数、购地数分别对非国有房企产生正向、负向的显著影响,且影响大小和显著性水平均高于表 2的列(4),国有房企中没有这样的发现。这表明资本市场对国有房企购地行为的反应更稳定。从融资端来看,国有房企具有融资优势,其购地涉及的融资活动更为顺畅,对企业资金链的影响较小[20];从投资端来看,国有和非国有房企在城市选择上存在区别[4],这也是导致异质性的可能原因。

表 3 股权性质异质性分析
(1) (2) (3) (4)
TobinQ TobinQ Beta Beta
国企 非国企 国企 非国企
NC 0.011 1*** 0.018 0*** 0.005 89 0.044 1***
(2.91) (3.06) (0.51) (3.95)
NL -0.000 299 -0.001 79 -0.003 27 -0.015 2***
(-0.39) (-1.14) (-1.16) (-4.32)
常数项 -29.78** -40.23 -23.88 -42.76
(-2.12) (-1.55) (-0.63) (-0.61)
控制变量 YES YES YES YES
样本量 456 366 459 352
调整R2 0.652 0.552 0.103 0.170
注:回归包括prem、lnfp但未在表中列出,下同。

3.2.2 企业规模

表 4汇总了进入城市数、购地数对不同规模房企资本市场表现的影响。按照资产是否超过当年样本房企资产平均值将房企分为大型和小型2类。表 4结果显示,进入城市数对小型房企的投资价值和风险均产生正向影响,而对大型房企的影响不显著。可能的解释是:从整个研究期间来看,中国房企发展迅速、竞争激烈,小型房企通过购地来扩大规模,更容易得到资本市场的关注;由于边际效益递减,大型房企的购地行为向市场发出的有关企业能力的信息较少,资本市场对大型房企的评价除了购地,还包括房地产服务和多元化业务等方面。

表 4 企业规模异质性分析
(1) (2) (3) (4)
TobinQ TobinQ Beta Beta
大型 小型 大型 小型
NC 0.000 348 0.035 6** 0.010 4 0.091 6**
(0.23) (2.38) (1.20) (2.22)
NL 0.000 787 -0.000 445 -0.003 67 -0.020 5
(1.60) (-0.07) (-1.12) (-1.19)
常数项 -39.93*** -26.97* -101.5* -39.85
(-2.79) (-1.74) (-1.91) (-0.82)
控制变量 YES YES YES YES
样本量 247 575 250 561
调整R2 0.841 0.537 0.342 0.129

3.2.3 上市时长

表 5列出了进入城市数、购地数对不同上市时长的房企投资价值和风险的影响。考虑样本量均衡,按照上市15年为节点,将房企划分为上市时长较短和较长2类。表 5结果表明,进入城市数对上市时长较短房企的投资价值和风险都有显著正向影响,其中企业投资价值受到的影响约为上市时长较长房企的2倍;购地数与上市时长较短房企的风险显著负相关,与上市时长较长房企的投资价值显著正相关。这与武志勇和董立群[7]的发现一致。与小型房企类似,上市时长较短的房企进入大量城市有助于快速进入当地市场和建立发展基础,受到资本市场的认可。上市时长较长的房企经历了更长的市场周期,其空间布局基本成型,进入城市数对企业投资价值的提升作用小于上市时长较短的房企;增加购地数有利于市场渗透,因此企业投资价值受到购地数的正向影响。本研究也对企业成立时长进行了异质性分析,结果与上市时长类似。

表 5 上市时长异质性分析
(1) (2) (3) (4)
TobinQ TobinQ Beta Beta
时长较短 时长较长 时长较短 时长较长
NC 0.014 3*** 0.007 70** 0.039 5*** 0.006 75
(2.70) (2.46) (3.80) (0.61)
NL -0.001 22 0.001 26* -0.016 7*** -0.001 84
(-1.01) (1.99) (-5.80) (-0.78)
常数项 2.138 -38.15** 6.382 -10.25
(0.10) (-2.43) (0.13) (-0.25)
控制变量 YES YES YES YES
样本量 329 493 315 496
调整R2 0.616 0.519 0.336 0.076

3.3 稳健性检验

由于长期大量购地或进入大量城市的房企仅占样本房企的很小一部分,假设1和2成立可能受到这部分极端样本的影响。本文通过对购地数和进入城市数进行上下1%缩尾处理后重新回归来进行稳健性检验,结果如表 6前3列所示。相关变量的系数符号与显著性水平没有较大改变,与表 2的结果较为吻合。可见,假设1和2具有较好的稳健性。

表 6 稳健性检验与影响渠道分析
(1) (2) (3) (4) (5)
TobinQ TobinQ Beta TobinQ Beta
2017年及以后 2017年及以后 影响渠道 影响渠道
NC 0.037 7*** 0.006 47*** 0.054 8**
(3.90) (3.63) (2.62)
NC2 -0.000 336**
(-2.18)
NL -0.006 55** -0.000 757 -0.020 8***
(-2.29) (-1.23) (-3.10)
NL2 0.000 031 5*
(1.74)
eltosale -0.092 1 0.829**
(-1.49) (2.00)
ltosale 0.071 0 -0.682*
(1.34) (-1.84)
常数项 -24.57 -59.73*** 7.985 -37.6*** -52.60
(-1.66) (-3.06) (0.08) (-4.04) (-1.37)
控制变量 YES YES YES YES YES
样本量 822 309 310 458 460
调整R2 0.567 0.269 0.133 0.477 0.218

3.4 影响渠道分析

拿地销售比渠道的分析结果如表 6后2列所示。权益拿地支出与销售金额之比、总拿地支出与销售金额之比分别对房企风险产生正向、负向的显著影响,即权益拿地支出和总拿地支出的影响“相反”。权益拿地减少了房企的流动资金,削弱了偿债能力,从而导致企业风险提高。其他条件不变的情况下,总拿地支出越大的房企具备或展现出了更优的投、融资能力,故企业风险随之降低。虽然拿地销售比渠道变量对企业投资价值的影响不显著,但系数的正负处于预料之中:权益拿地支出和总拿地支出的增多分别伴随着企业投资价值的降低和提高。假设3部分得证。

4 结论与建议

本文主要关注中国A股上市房地产开发企业进入城市数和购地数两方面的购地行为,以及企业投资价值和风险两方面的企业资本市场表现,实证考察了2009—2021年间房企购地行为对其资本市场表现的影响。研究结果表明:1) 整个研究期间,在一定范围内,进入城市数越多的房企具有更高的企业投资价值;进入城市数与企业投资价值存在倒U形关系。2) 在市场下行期即2017年以来,房企进入城市数的增多对企业投资价值的提高作用降低,同时更大程度地提高了企业风险。3) 整体来看,购地数的影响大小和影响显著性均不及进入城市数。4) 房企购地行为与企业投资价值和风险的关系在股权性质、企业规模、上市时长方面存在异质性。非国有、小型或上市时长较短的房企投资价值和风险受其购地行为的影响更大且更显著。5) 购地行为对房企资本市场表现的影响会通过拿地销售比渠道传导。

上述结论表明,盲目进入大量城市购地可能会降低企业投资价值,且在市场下行期进一步加大企业风险。这反映出随着房地产市场环境改变,资本市场对房企的评价和反应也发生了变化,部分房企过于激进的区域扩张型购地不完全适用于当前市场环境。建议房企调整购地策略,不要过度进行区域扩张,尝试进行区域深耕和片区开发。具体的购地策略应结合资本市场反馈、股权性质、企业规模和上市时长等调整。房企不仅应关注购地数,还应更加谨慎地构建城市组合和空间布局。资本市场投资者可以考虑将区域深耕型房企纳入投资组合。为了落实房地产长效机制,政府有必要关注房企购地行为变化导致的市场竞争结构变化和区域间住房供给的差异。政府的土地供应要从关注房企投资需求向关注最终空间使用需求的方向转变,以配合和引导房地产业发展模式调整。

本研究对上市房企2009年以来购地行为的影响进行了考察,并指出在市场下行期的影响不同。上市房企购地往往更加活跃、规模更大,而部分非上市房企长期采用区域深耕模式。后续研究可将非上市房企与上市房企进行对比,以得出更全面的结论。2022年以来,部分房企发生违约、暴雷和退市,市场对房企的评价变得更加激烈和负面。关于2022年以来房企购地行为的影响,尤其是对企业风险的影响值得后续研究。另外,实证模型存在的内生性问题也有待进一步处理。

参考文献
[1]
YU S J, ZHANG L, ZENG Y N, et al. Dual influences of regulatory polices on real estate enterprises' investment: Based on the perspective of supply-side reform in China[J]. Finance Research Letters, 2017, 23: 50-57. DOI:10.1016/j.frl.2017.03.003
[2]
PELLEGRINI C B, CINCINELLI P, MEOLI M, et al. The contribution of (shadow) banks and real estate to systemic risk in China[J]. Journal of Financial Stability, 2022, 60: 101018. DOI:10.1016/j.jfs.2022.101018
[3]
BAO H J, CHONG A Y L, WANG H D, et al. Quantitative decision making in land banking: A Monte Carlo simulation for China's real estate developers[J]. International Journal of Strategic Property Management, 2012, 16(4): 355-369. DOI:10.3846/1648715X.2012.735272
[4]
吴璟, 王璞. 中国上市房地产开发企业跨区域扩张的城市选择规律研究[J]. 工程管理学报, 2017, 31(1): 140-145.
WU J, WANG P. City selection strategy in the cross-region expansion of Chinese listed real estate developers[J]. Journal of Engineering Management, 2017, 31(1): 140-145. (in Chinese)
[5]
LIAO Y W, WANG Y M, WANG Y S, et al. Understanding the dynamics between organizational IT investment strategy and market performance: A system dynamics approach[J]. Computers in Industry, 2015, 71: 46-57. DOI:10.1016/j.compind.2015.02.006
[6]
梁若冰, 张东荣, 方心, 等. 限购政策是否降低了上市房地产企业价值?——基于强度双重差分法的经验研究[J]. 金融研究, 2021, 494(8): 42-60.
LIANG R B, ZHANG D R, FANG X, et al. Do purchase restriction policies reduce the corporate value of listed real estate companies?[J]. Journal of Financial Research, 2021, 494(8): 42-60. (in Chinese)
[7]
武志勇, 董立群. 高管背景特征对房地产企业经营绩效影响研究: 基于生命周期视角[J]. 财会通讯, 2017(19): 31-35.
WU Z Y, DONG L Q. The influence of top management background characteristics on the real estate enterprises' operating performance in the perspective of life cycle[J]. Financial and Accounting Communication, 2017(19): 31-35. (in Chinese)
[8]
景辛辛, 杨福明. 多元化战略变革是促进还是抑制了企业绩效?——基于我国上市房地产企业的实证分析[J]. 中国流通经济, 2018, 32(9): 65-73.
JING X X, YANG F M. Does the diversified strategic change promote or restrain enterprises' performance?—The empirical analysis based on China's listed real estate enterprises[J]. China Business and Market, 2018, 32(9): 65-73. (in Chinese)
[9]
CEN W, DOUKAS J A. CEO personal investment decisions and firm risk[J]. European Financial Management, 2017, 23(5): 920-950. DOI:10.1111/eufm.12117
[10]
林朝颖, 余向群, 杨广青. 货币政策、过度投资与房地产企业风险承担[J]. 技术经济, 2015, 34(8): 116-122.
LIN C Y, YU X Q, YANG G Q. Monetary policy, overinvestment and risk-taking of real estate companies[J]. Technology Economics, 2015, 34(8): 116-122. DOI:10.3969/j.issn.1002-980X.2015.08.016 (in Chinese)
[11]
张红, 高帅, 李维娜. 中国房地产上市公司多元化与企业绩效关系[J]. 清华大学学报(自然科学版), 2015, 55(9): 977-983.
ZHANG H, GAO S, LI W N. Relationship between diversification and performance of Chinese real estate listed companies[J]. Journal of Tsinghua University (Science and Technology), 2015, 55(9): 977-983. (in Chinese)
[12]
赵伟, 尹礼汇. 增加土地储备能提升房地产开发企业的绩效吗?——基于114家房地产上市公司面板数据的实证分析[J]. 经济与管理评论, 2019, 35(2): 56-68.
ZHAO W, YIN L H. Can land reserve improve performance of the real estate enterprises?—An empirical analysis based on panel data of 114 real estate listed companies[J]. Review of Economy and Management, 2019, 35(2): 56-68. (in Chinese)
[13]
HAYTER R. The dynamics of industrial location: The factory, the firm and the production system[M]. London: John Wiley & Son, 1997.
[14]
张可云, 裴相烨. 大城市制造业企业空间扩张模式及其对企业效率的影响: 以北京市上市企业为例[J]. 地理科学进展, 2021, 40(10): 1613-1625.
ZHANG K Y, PEI X Y. Spatial expansion mode of manufacturing firms in big cities and its impact on firm efficiency: A case study of Beijing listed firms[J]. Progress in Geography, 2021, 40(10): 1613-1625. DOI:10.18306/dlkxjz.2021.10.001 (in Chinese)
[15]
刁新军, 杨德礼, 任雅威. 基于扩展Hotelling模型的企业竞争策略研究[J]. 管理学报, 2009, 6(7): 867-872.
DIAO X J, YANG D L, REN Y W. Extended Hotelling model-based firms' competitive strategies[J]. Chinese Journal of Management, 2009, 6(7): 867-872. DOI:10.3969/j.issn.1672-884X.2009.07.003 (in Chinese)
[16]
MARKOWITZ H M. Foundations of portfolio theory[J]. The Journal of Finance, 1991, 46(2): 469-477. DOI:10.1111/j.1540-6261.1991.tb02669.x
[17]
刘洪玉, 任荣荣. 开发商的土地储备与竞买行为解析[J]. 中国土地科学, 2008, 22(12): 11-16.
LIU H Y, REN R R. Research on the behavior of land reserve and land biding of developers[J]. China Land Science, 2008, 22(12): 11-16. (in Chinese)
[18]
李嘉, 董亚宁, 贺灿飞. 越负债, 越投资?——住房金融化下的房企负债-投资行为与空间分异[J]. 经济管理, 2020, 42(8): 171-189.
LI J, DONG Y N, HE C F. More debts, more investment? The behaviors of real estate developers and spatial differentiation from housing financialization perspectives[J]. Business and Management Journal, 2020, 42(8): 171-189. (in Chinese)
[19]
BHARADWAJ A S, BHARADWAJ S G, KONSYNSKI B R. Information technology effects on firm performance as measured by Tobin's q[J]. Management Science, 1999, 45(7): 1008-1024. DOI:10.1287/mnsc.45.7.1008
[20]
毛丰付, 倪鹏飞, 卞加俊. 金融约束与房地产市场发展: 基于房企"股地互动"视角的研究[J]. 财贸经济, 2014(3): 124-134.
MAO F F, NI P F, BIAN J J. Financial constraints and real estate market development: A stock-land interaction perspective[J]. Finance & Trade Economics, 2014(3): 124-134. (in Chinese)
[21]
陈英楠, 莫东翠, 唐思华, 等. 测量中国房地产政策不确定性研究[J]. 经济学(季刊), 2022, 22(2): 405-424.
CHEN Y N, MO D C, TANG S H, et al. Measuring real estate policy uncertainty[J]. China Economic Quarterly, 2022, 22(2): 405-424. (in Chinese)