房住不炒政策对房地产企业投融资的影响

来源 :重庆理工大学 | 被引量 : 0次 | 上传用户:yun3531
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
房地产行业作为一个国家的支柱性产业,一直受到各个国家的严格管控,相关的调控政策也随着市场环境的变化而不断演变。2016年底中央经济工作会议指出,要坚持“房子是用来住的、不是用来炒的”的定位,综合运用金融、土地、财税、投资、立法等手段,加快研究建立符合国情、适应市场规律的基础性制度和长效机制。这次会议首次提出“房住不炒”的概念,标志着新一轮大规模调控政策的正式启动,相比以往,这次调控范围更大,调控手段更多,而且特别强调了政策的长期性,表明了政府解决房地产市场长期弊病的决心。房地产企业作为房地产市场的主体,是政策调控重点关注的对象,因此本文从房地产企业投融资的角度入手,将A股上市的房地产企业作为实验组,将上市的非房地产企业作为对照组,将2017年作为“房住不炒”相关政策的正式实施年,选取2014-2019年间共计13608个样本,将企业的债权融资、股权融资和内部融资作为融资结构因变量,将长期债务融资和短期债务融资作为融资期限结构的因变量,再将企业的投资额作为投资结构的因变量,通过双重差分模型实证分析了房住不炒政策实施前后,房地产企业相对于非房地产企业在融资来源结构、融资期限结构和投资结构的变化。实证发现在融资结构方面,相对于非房地产企业,房地产企业的债务融资出现显著的增长,其中来自银行的债务融资出现显著下降,而通过商业信用获得的债务融资则显著增长,并且超过了银行减少的债务融资部分,而股权融资和内部融资则并未出现显著变化;在期限结构方面,相对于非房地产企业,房地产企业的短期债务融资出现显著增长,长期债务融资则无明显变化;最后在投资结构方面,相对于非房地产企业,房地产企业的投资额出现显著增长。通过以上结论,可以看出房住不炒政策对于房地产企业的投融资整体上产生了促进作用,本文通过对债务融资的细分和融资-现金流-投资的作用路径解释了这一现象产生的原因,并提出政府应更加重视房地产企业通过商业信用进行的债务融资和加强房地产企业对于债券市场和信托市场资金来源的管控等政策建议。
其他文献
学位
股权激励作为企业一种常见的激励方式,其制度的发展历经了很多阶段。我国现代股权激励始于1993年,目前已进入发展的黄金期。企业通过股权激励方式可以留住人才、招揽人才,从而提升自身核心竞争力与综合实力。近些年,股权激励吸引了无数企业,企业在利用其优势的同时,在实施过程中也出现了一些问题。比如,业绩考核指标较容易达成,成为激励对象变相福利;激励计划容易受市场环境影响等。我国引入该制度较晚,有关股权激励的
学位
大自然的力量常常让人望而生畏。由于我国国土辽阔,人口密度大等特点,我国灾害频发。信息现代化的发展使得大众可以在第一时间了解并关注各地的灾害消息。灾害消息通过互联网迅速传播,网民可以快速地获取到很多有关灾害的信息,但同时也伴随着一些舆论信息。大众对于重大灾害消息有很强的共情力,某些新闻报道或者某个人的极端言论可能对网民的情绪产生极大地影响。随着灾害发展趋势的不断变化,网络舆情热度同时也在发生变化。在
家族企业具有悠久的历史,始终是世界经济发展历程中不可或缺的组成部分;我国的家族企业同样源远流长,但历经曲折,直到改革开放后才终于迎来了发展的高峰期,大量家族企业开始诞生并发展壮大起来。历时三四十年后,一代的企业家已经年迈,传承成为很多家族企业必须面对的问题。然而传承不仅仅是职位交接和财产继承,家族企业实现基业长青并非易事,研究表明,只有30%的家族企业能传承至第二代。与此同时,如今低成本要素红利下
服务制造业是制造与服务相融合的新产业形态,是制造企业向服务业领域拓展和服务企业向制造业领域延伸的新型生产模式,已成为全球制造业发展的重要趋势,发达国家积极调整产业结构,利用服务业优势将制造环节向两端延伸。“十四五”规划提出,加快发展现代产业体系,其中包括打造新兴产业链,推动传统产业高端化、智能化、绿色化,发展服务型制造这一重要内容。2022年国务院《政府工作报告》提出,重点支持制造业,加快发展先进
学位
伴随着“互联网+”的提出,互联网企业数量飞涨。企业为了进一步扩大自身规模,抢占市场份额,并购便成为其达到经营目标常用的方式。然而,并购常常伴随着相应的财务风险发生。由于财务风险在企业经营中占据着极为重要的作用,一旦并购失败,通常会使得并购企业双方财务状况陷入困境。因此,对并购活动发生过程中所存在的财务风险进行相应防范与控制,是一件至关重要的事情。为了更加直观地探讨企业在并购过程中存在的财务风险,本
故障诊断是确保工业体系可靠高效持续运行的关键技术。随着工业信息化和智能化的深入发展,故障诊断方法逐渐由基于信号处理的方法迈向基于深度学习的方法。图神经网络是基于深度学习发展起来的一类处理图数据的方法,其具有较好的性能和可解释性。本文将采集的传感器信号建模成故障样本图并基于图神经网络提出了三种旋转机械故障诊断方法,其主要工作如下:(1)基于图神经网络的电机转子无监督故障诊断方法。该方法首先采用快速傅
学位