Xem mẫu
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
XÁC ĐỊNH THỰC TRẠNG BONG BÓNG GIÁ THỊ TRƯỜNG
CĂN HỘ TẠI KHU VỰC THÀNH PHỐ HỒ CHÍ MINH
DETERMINING THE CURRENT APARTMENT MARKET BUBBLE
IN HOCHIMINH CITY
Nguyễn Thị Bích Hồng1, Trương Thành Hiệp2
Ngày nhận: 19/12/2017 Ngày nhận bản sửa: 15/1/2018 Ngày đăng: 5/2/2018
Tóm tắt
Tình trạng bong bóng giá nhà ở là vấn đề gây ra nhiều tác động bất lợi cho sự phát triển và ổn
định của nền kinh tế, đặc biệt là khi bong bóng nổ sẽ gây thiệt hại một khối lượng của cải khổng
lồ đồng thời kèm theo một giai đoạn bất ổn kinh tế kéo dài. Do đó xác định tình trạng bong bóng
sớm là rất cần thiết đối với các cơ quan quản lý. Theo ECB thì có hai phương pháp thường được
áp dụng để xác định khả năng xảy ra bong bóng giá nhà ở là phương pháp tín hiệu và phương
pháp rời rạc. Tuy nhiên, nhiều nghiên cứu thực nghiệm tại các thị trường nhà ở đang phát triển
cho thấy rằng phương pháp tín hiệu có hiệu quả và phù hợp hơn. Thông qua phương pháp tín
hiệu với hai chỉ số P/R và P/I, tác giả nhận định thị trường căn hộ tại khu vực TPHCM đang rơi
vào tình trạng gần mức ngưỡng cảnh báo tình trạng bong bóng giá.
Từ khóa: bong bóng giá, căn hộ, phương pháp tín hiệu
Abstract
The housing price bubble is a problem that has a lot of negative impact on the economy's
development and stability, especially when the bubble bursts causing huge losses in wealth.
following a period of prolonged economic instability. Early identification of bubbles is essential
for regulatory authorities. According to the ECB, two commonly used methods to determine the
probability of housing price bubbles are the signal method and the discrete choice method.
However, many empirical studies in developing housing markets show that signaling methods
are more effective and appropriate. Through the signaling method with two P R and P/I ratios,
the author identified the apartment market in HCM City is closed to the warning level of price
bubbles.
Key words: price bubbles, aparment, signalling methods
1
Đại học Kinh tế TP.HCM
2
Đại học Kinh tế TP.HCM
41
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
1. Đặt vấn đề ý rằng bong bóng giá nhà là hiện tượng gây tác
Nhà ở một tài sản quan trọng nhất của các động tiêu cực lên nền kinh tế do nguồn lực của
hộ gia đình và là tài sản chiếm tỷ trọng lớn nền kinh tế sẽ được phân bổ không tối ưu
nhất trong tổng giá trị tài sản của hộ và do đó (Tirole, 1985; Chakraborty et al., 2016); là
một sự biến động trong giá trị tài sản nhà ở nguyên nhân dẫn tới sự khan hiếm tài chính
(giá nhà) sẽ làm thay đổi đáng kể tài sản của trên thị trường khi các ngân hàng hạn chế việc
hộ và do đó tác động trực tiếp đến hành vi tiêu cho các doanh nghiệp vay để tập trung đầu tư
dùng của hộ. Tương tự, xây dựng và việc làm vào bong bóng (Farhi và Tirole, 2012). Đặc
trong khu vực kinh tế nhà ở chiếm một tỷ phần biệt, bong bóng nổ sẽ gây thiệt hại một khối
rất lớn trong tổng hoạt động của nền kinh tế, lượng của cải khổng lồ đồng thời kèm theo
do đó sự biến động trên thị trường này sẽ ảnh một giai đoạn bất ổn kinh tế kéo dài (Sheng,
hưởng mạnh đến sản lượng của nền kinh tế 2009). Cecchetti et al (2000, 2003); Roubini
(GDP) và chu kỳ kinh tế. Trong một nghiên (2006) cho rằng ngân hàng trung ương nên chủ
cứu gây ảnh hưởng rất lớn, Case et al (2005) động thực hiện tăng lãi suất khi có bong bóng
đã chứng minh rằng sự tăng trưởng tiêu dùng xảy ra nhằm ngăn chặn sự phát triển của bong
(thông qua tốc độ tăng trưởng doanh thu bán lẻ bóng. Tuy nhiên, Bernanke1 (2002), Frait và
tại các bang của Mỹ) có liên quan mật thiết có Komárek (2007) quan ngại rằng ngân hàng
ý nghĩa đến sự tốc độ tăng trưởng giá trị tài trung ương không thể xác định chắc chắn tình
sản nhà ở mà không phải là tốc độ tăng trưởng trạng bong bóng trên thị trường. Tương tự,
giá trị tài sản chứng khoán. Leamer (2007) thì Mishkin (2011) cũng đưa ra nhận định là ngân
nhấn mạnh rằng 8 trong 10 đợt suy thoái xảy hàng trung ương không có lợi thế về thông tin
ra sau Thế chiến II có thể được nhận diện hơn những người tham gia thị trường khác,
trước thông qua thị trường nhà ở và do đó ông nên khi ngân hàng trung ương xác định tình
đề nghị xem xét sự biến động trên thị trường trạng bong bóng thì cũng gần như chắc chắn là
nhà ở như là chỉ số hàng đầu phản ánh sự biến cả thị trường đều biết điều đó và bong bóng đã
động nền kinh tế thực. ở mức trầm trọng.
Do đó, những biến động trên thị trường bất Với thực trạng mức giá căn hộ tăng liên tục
động sản, đã từ lâu, đã trở thành đối tượng ở cả thị trường sơ cấp và thứ cấp ở cả Hà Nội
theo dõi chặt chẽ của các nhà quản lý kinh tế và TP HCM từ 2014 đến 2017Q1 cho thấy nhu
vĩ mô và cũng là lĩnh vực thu hút nhiều nhà cầu xác định tình trạng bong bóng trên thị
nghiên cứu trên thế giới. Trong đó, hiện tượng trường đang là nhu cầu cần thiết của các cơ
bong bóng bất động sản là một trong những quan quản lý. Trên cơ sở đó, nhóm tác giả thực
đối tượng nhận được nhiều sự quan tâm của hiện đề tài xác định thực trạng bong bóng giá
các nhà nghiên cứu trong việc giải thích, dự trên thị trường căn hộ tại khu vực thành phố
báo và kiểm soát tình trạng bong bóng như là Hồ Chí Minh.
các nghiên cứu của Xiaoling (2007)
Agnello và Schuknecht (2009), Anna Prior
(2009), Yongzhou Hou (2010), Fawley và
Wen (2013), Dreger và Kholodilin
(2013)…trong đó, hầu hết các tác giả đều đồng 1
Ben Bernanke: Chủ tịch thứ 14 của Cục
Dự trữ liên bang Mỹ từ 1/2/2006 – 31/1/2014
42
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
Biểu đồ 1.1: Tốc độ tăng giá căn hộ tại HN và HCM
3.500%
3.000%
2.500%
2.000%
1.500%
1.000%
.500%
.000%
Q4/2014 Q1/2015 Q2/2015 Q3/2015 Q4/2015 Q1/2016 Q2/2016 Q3/2016 Q4/2016 Q1/2017
Giá sơ cấp_HCM Giá thứ cấp_HCM Giá sơ cấp_HN Giá thứ cấp_HN
Nguồn: tổng hợp từ các báo cáo nghiên cứu thị trường của Jones Lang LaSalle
2. Tổng quan nghiên cứu giá nền tảng (từ lợi ích kỳ vọng) và phần bong
2.1 Cơ sở lý thuyết 𝑷𝒕 = 𝑬𝒕 [∑∞
𝑪𝑭𝝉
bóng: 𝝉=𝒕+𝟏 (𝟏+𝒓)𝝉−𝒕 ] +
2.1.1 Bong bóng hợp lý 𝑩
Được đưa ra bởi Blanchard và Watson 𝑻→∞ 𝐥𝐢𝐦 𝑬𝒕 [(𝟏+𝒓)𝑻𝑻−𝒕 ].
(1983) dựa trên giả thiết những người tham gia Nếu bong bóng tăng trưởng với tốc độ rB thì
đều có suy nghĩ và hành động hợp lý và tài sản ta có BT = Bt(1 + rB)T-t thì ta có thể viết lại như
tồn tại vô hạn. Khi đó, giá tài sản gồm 2 phần: sau:
∞
𝑪𝑭𝝉 𝑩𝒕 (𝟏 + 𝒓𝑩 )𝑻−𝒕
𝑷𝒕 = 𝑬 𝒕 [ ∑ ] + 𝒍𝒊𝒎 𝑬 𝒕 [ ]
(𝟏 + 𝒓)𝝉−𝒕 𝑻→∞ (𝟏 + 𝒓)𝑻−𝒕
𝝉=𝒕+𝟏
Nếu rB > r thì giá trị phần bong bóng tiến tảng của tài sản trong tương lai, nghĩa là họ
tới ∞, hàm ý rằng bong bóng không tồn tại vì dùng hàm đa biến hồi quy giá tài sản nhưng
giá trị 1 tài sản không thể lớn hơn tổng tài sản không có biến giá quá khứ (biến độ trễ của
của nền kinh tế. Nếu rB < r thì cũng không có giá) để dự đoán giá của tài sản. Ngược lại,
bong bóng vì giá trị phần bong bóng là 0. Như “momentum traders” thì lại dự báo giá tài sản
vậy, bong bóng chỉ tồn tại khi tốc độ tăng trong tương lai chỉ hoàn toàn dựa vào thông tin
trưởng kỳ vọng của bong bóng đúng bằng suất giá của tài sản trong quá khứ (hàm đơn biến
sinh lợi yêu cầu của tài sản (rB = r), và điều chỉ có biến giá quá khứ).
này là hợp lý khi kỳ vọng giá của tài sản tăng Khi một số nhà đầu tư “newswatchers” có
đúng bằng suất sinh lợi yêu cầu. được những thông tin tốt về một loại tài sản nào
2.1.2 Giao dịch phản hồi đó thì họ sẽ đánh giá giá trị của tài sản cao hơn
Dựa trên cơ chế giao dịch phản hồi, Hong trong khi vẫn còn một nhóm những nhà đầu tư
và Stein (1999) đã xây dựng mô hình bao gồm “newswatchers” khác không có thông tin nên
hai nhóm nhà đầu tư: “newswatchers” và vẫn đánh giá thấp. Chính sự chênh lệch giá dự
“momentum traders”. Trong đó, nhóm báo giữa 2 nhóm “newswatchers” nhiều và ít
“newswatchers” là những nhà đầu tư đưa ra thông tin tạo ra cơ hội kiếm lời cho nhóm
những dự báo về giá tài sản dựa trên thông tin “momentum traders”. Nhưng do chỉ dựa vào
cá nhân về những thành phần của giá trị nền giá quá khứ để dự báo nên nhóm “momentum
43
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
traders” không biết mức giá giới hạn của nhóm hành động giống với các nhà đầu tư khác và
“newswatchers” nhiều thông tin để dừng lại tất cả cùng thất bại thì thiệt hại về danh tiếng
mà sẽ ngày càng có nhiều nhà đầu tư và tài sản tương đối sẽ ít hơn nhiều so với khi
“momentum traders” tham gia vào và đẩy giá anh ta hành động khác với mọi người và gánh
tăng cao liên tục và gây bong bóng. lấy thất bại.
2.1.3 Chủ kiến sai lầm Theo một khía cạnh khác, Shiller (2002)
Mô hình này dựa trên một khái niệm của tâm giải thích vấn đề tâm lý bầy đàn là do sự giới
lý học là chủ kiến của một người làm cho họ có hạn về nguồn lực. Các nhà đầu tư luôn không
khuynh hướng dễ dàng tiếp nhận những tín hiệu có đủ thời gian và nguồn lực để đánh giá chi
phù hợp với niềm tin của mình và bỏ qua những tiết mọi khoản đầu tư tiềm năng của mình
tín hiệu mâu thuẫn. Theo Daniel et al (1998) thì nhưng anh ta lại không muốn bỏ lỡ các cơ hội
ban đầu hình thành niềm tin của mình về giá trị sinh lợi. Do đó, nhà đầu tư có khuynh hướng
của một tài sản từ những tín hiệu cá nhân nhận quan sát các khoản đầu tư của các nhà đầu tư
được. Lúc đầu, niềm tin này có thể là đáng ngờ ngang tầm khác với giả định là những quyết
và cần thực hiện việc quan sát và nghiên cứu sâu định đầu tư đã được họ đánh giá chi tiết dựa
hơn. Sau đó, nếu những tín hiệu trên thị trường vào thông tin cá nhân của mình. Và kết quả là
phù hợp với những thông tin cá nhân của họ thì anh ta sẽ thêm loại tài sản đó vào trong danh
niềm tin sẽ được xác định và có thể trở thành mục đầu tư của mình và điều này có thể là
chủ kiến. Sau đó, nếu xuất hiện thông tin mâu nguyên nhân gây ra tình trạng bong bóng.
thuẫn với chủ kiến của nhà đầu tư thì nó sẽ dễ Bên cạnh đó, Scherbina (2013) cũng bổ
dàng bị bỏ qua và xu hướng giá sẽ không thay sung thêm một yếu tố gây ra tâm lý bầy đàn
đổi. Lúc này việc tiếp nhận thông tin của nhà của các nhà đầu tư. Đó là vai trò của các
đầu tư bị sai lệch do chủ kiến và xu hướng giá sẽ phương tiện thông tin đại chúng trong việc
sai biệt với giá trị nền tảng và gây ra bong bóng. hướng sự quan tâm của các nhà đầu tư tiềm
Và bong bóng sẽ suy giảm khi những thông tin năng vào một loại tài sản cụ thể nào đó. Dù
trên thị trường đủ nhiều đến mức ảnh hưởng đến vấn đề này chưa được nghiên cứu nhiều nhưng
chủ kiến của các nhà đầu tư. có thể là một yếu tố quan trọng gây ra và duy
2.1.4 Tâm lý bầy đàn trì bong bóng. Theo Scherbina (2013), khi các
Theo DeMarzo et al (2008) thì những nhà phương tiện thông tin đại chúng thông tin về
đầu tư không chỉ quan tâm đến giá trị tài sản một loại sản phẩm hoặc một ngành nào đó đã
của mình mà họ còn hay so sánh với tài sản và đang hoạt động hiệu quả trong thời gian qua
của những người đồng nghiệp ngang tầm. Và thì sẽ thu hút sự chú ý và khuyến khích một
trong nhiều lĩnh vực, sự so sánh về giá trị tài cái nhìn tích cực về mức hiệu quả này sẽ tiếp
sản tương đối này là khá mạnh nên nhà đầu tư tục trong tương lai của các nhà đầu tư. Và do
sẽ tham gia vào dù biết rằng tình trạng bong đó nó khuyến khích sự đầu tư tập trung và gây
bóng đang diễn ra khi chứng kiến những nhà ra hiện tượng bong bóng.
đầu tư khác giống mình đang kiếm được khoản 2.2. Lược khảo các nghiên cứu liên quan
lợi lớn từ bong bóng giá. Theo thống kê của ECB (November, 2010)
Tương tự, Lux (1995) khi thảo luận về tâm thì có hai phương pháp thường được sử dụng
lý bầy đàn đã lập luận rằng khi nhà đầu tư để đo lường và cảnh báo sớm hiện tượng bong
44
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
bóng giá nhà ở, đó là phương pháp “Tín hiệu” Tuy nhiên, Berg và Pattillo (1999) và
(Signalling method) và phương pháp “Lựa Gerdesmeier et al (2009) đều đồng ý rằng
chọn rời rạc” (Discrete choice method). Dreger phương pháp rời rạc dựa vào hàm probit có
và Kholodilin (2012) cũng xác nhận rằng hai nhiều ưu điểm hơn vì: (1) cho phép ta kiểm tra
phương pháp cảnh báo bong bóng là phương độ hữu dụng của các khái niệm ngưỡng; (2) nó
pháp tín hiệu và phương pháp lựa chọn rời rạc cho phép ta ước tính biến dự báo tốt hơn trong
dựa vào hàm Logit/probit thường được các mối tương tương quan giữa các biến so với
nhà nghiên cứu áp dụng nhằm đưa ra các tín một chỉ số tổng hợp; (3) cho phép ta kiểm tra ý
hiệu dự báo sớm tình trạng bong bóng. nghĩa của từng biến trong các giai đoạn khác
Cụ thể, Xiaoling (2007) đã dựa vào ba chỉ nhau hay tại các quốc gia khác nhau. Trong
số mà theo ông thường được dùng trong việc nghiên cứu về xác định tình trạng bong bóng
xác định tình trạng bong bóng trong thị trường tại 17 quốc gia OECD tại Châu Âu,
nhà ở dựa vào việc so sánh chỉ số của thị Gerdesmeier et al. (2009) đã sử dụng phương
trường ở thời điểm hiện tại so với mức lý pháp rời rạch với hàm probit dạng: Prob(C=1)
thuyết. Ba chỉ số được Xiaoling (2007) xem = αit + βit.Xit + ϵit với bộ dữ liệu từ 1969Q1
xét gồm: chỉ số giá nhà so với thu nhập (P/I), đến 2008Q3 từ 17 quốc gia OECD tại Châu
chỉ số giá nhà so với giá cho thuê (P/R), và tỷ Âu. Kết quả, Gerdesmeier et al (2009) kết luận
lệ bỏ trống. Thông qua việc so sánh ba chỉ số rằng mô hình probit với ngưỡng cảnh báo khi
này tại 30 thành phố lớn, tác giả kết luận tình Prob(C=1) ở mức 36% có thể cảnh báo chính
trạng bong bóng đang diễn ra tại Trung Quốc xác khoảng 70% các trường hợp bong bóng
nhưng ở mức độ nhẹ. Yongzhou Hou (2010) xảy ra tại 17 nước OECD tại Châu Âu, trong
cũng áp dụng phương pháp dựa vào các chỉ số khi tỷ lệ bỏ sót cảnh báo và cảnh báo sai đều ở
để xác định tình trạng bong bóng thị trường mức 25%.
nhà ở tại Bắc Kinh và Thượng Hải. Bên cạnh Mặc dù phương pháp rời rạc được nhiều tác
các chỉ số như P/I và P/R, Yongzhou Hou giả (Gerdesmeier (2009, 2011); Dreger và
(2010) bổ sung thêm chỉ số độ lệch của mức Zhang (2010), Agnello và Schuknecht (2009))
giá thực tế khỏi mức giá kỳ vọng hợp lý1, và đồng ý là có nhiều hữu ích hơn phương pháp
chỉ số độ lệch ±3δ (độ lệch chuẩn). Kết quả so chỉ số, nhưng Xiao (2010) khi nghiên cứu về
sánh giữa các chỉ số cho thấy tất cả đều chỉ ra tình trạng bong bóng tại một số thành phố lớn
được tình trạng bong bóng năm 2007, nhưng của Trung Quốc vẫn tiếp tục sử dụng phương
vẫn tồn tại sự không thống nhất giữa các chỉ số pháp tín hiệu dựa vào 4 chỉ số: là P/I, P/R, tỷ
đối với các mốc thời gian khác. Do đó, lệ bỏ trống và tỷ lệ giữa tốc độ tăng giá nhà và
Yongzhou Hou (2010) đề nghị nên kết hợp tốc độ tăng GDP được tính cho các năm 2007,
nhiều chỉ số khác nhau trong việc xác định 2008 và 2009 với kết luận đang có tình trạng
tình trạng bong bóng. bong bóng tại các thành phố cấp 1 và 2. Gần
hơn, Kuang (2014) tiếp tục áp dụng phương
1
Khoản lệch này được xác định bởi Bt= Pt pháp chỉ số trong việc xác định tình trạng bong
– [Pt-1(1 + rf + rp) – NOIt-1], với rf là mức lãi bóng dựa vào chỉ số HR, là tỷ lệ giữa chỉ số
suất phi rủi ro và rp là phí bảo hiểm rủi ro, NOI
(Net Operating Income) là thu nhập còn lại có giá thuê/giá nhà kỳ vọng và chỉ số giá thuê/giá
được từ tài sản sau khi đã trừ đi các khoảng nhà thực tế.
chi phí hoạt động cần thiết của tài sản đó.
45
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
Như vậy, ta thấy, dù phương pháp rời rạc trường này. Trong trường hợp thị trường nhà ở
có nhiều ưu điểm như lại đòi hỏi một chuỗi số TPHCM là thị trường mỏng với độ dài chuỗi
liệu theo thời gian kéo dài tại nhiều quốc gia thời gian của các số liệu liên quan còn hạn chế,
tương đồng (đảm bảo số lượng bong bóng đặc biệt là các số liệu về nhà ở, nên phương
quan sát được). Nhưng đây cũng chính là mặt pháp phù hợp trong việc xác định tình trạng
hạn chế của các thị trường nhà ở mỏng, do đó bong bóng là phương pháp tín hiệu.
phương pháp tín hiệu thường được áp dụng để
xác định tình trạng bong bóng trong các thị
Bảng 2.1: Thời điểm bong bóng giá nhà ở theo các chỉ số
Chỉ số I Chỉ số II Chỉ số III Chỉ số IV
Cho vay thế
Độ lệch chấp Chỉ số P/I Chỉ số P/R Vượt UCL
(2001 - 2007) (2000-2007) (1995-2007) (2000-2007) (1992-2007)
Bắc Kinh 2005, 2007 2004, 2007 1997, 2007 2001, 2007 1993, 1997, 2007
Thượng Hải 2003, 2004 2004, 2007 2004, 2007 2004, 2007 2003, 2004
Nguồn: Yongzhou Hou (2010)
3. Phương pháp nghiên cứu phát ra và do đó có thể bỏ sót một số bong
Theo ECB (2010) thì phương pháp tín hiệu bóng không được cảnh báo. Ngược lại, nếu
sẽ cảnh báo bong bóng bằng cách xác định ngưỡng quá thấp thì tín hiệu cảnh báo sẽ được
ngưỡng cảnh báo cho các chỉ số cụ thể. Khi phát ra thường xuyên và sẽ có nhiều cảnh báo
chỉ số này của một loại tài sản trong một thời sai. Do đó các nhà lập chính sách cần xác định
kỳ vượt quá mức ngưỡng này thì tín hiệu cảnh rõ mức độ chấp nhận của cảnh báo sai và bong
báo sẽ được phát ra. Đối với phương pháp này bóng bị bỏ sót để có thể xác lập một mức
thì việc quan trọng là xác định ngưỡng cảnh ngưỡng cảnh báo tối ưu.
báo cho các chỉ số vì nó ảnh hưởng trực tiếp Mỗi chỉ số được sử dụng trong cảnh báo
đến lượng cảnh báo được phát ra. Nếu ngưỡng bong bóng sẽ có 4 trường hợp xảy ra như sau:
này là quá cao thì sẽ có rất ít cảnh báo được
Có khủng hoảng Không có khủng
trong 24 tháng hoảng trong 24 tháng
Phát tín hiệu cảnh báo A B
Không phát tín hiệu C D
Nguồn: Kaminsky G., Lizondo S., Reinhart C. M. (1998)
Trong đó, A đại diện cho trường hợp chỉ số A/(A+C) là tỷ lệ cảnh báo đúng; D/(B+D) là tỷ
phát cảnh báo đúng (phát tín hiệu và có bong lệ không cảnh báo đúng; B/(B+D) là tỷ lệ
bóng); B đại diện cho trường hợp chỉ số phát cảnh báo sai (lỗi II); và C/(A+C) là tỷ lệ bỏ sót
cảnh báo sai (phát tín hiệu và không có bong (lỗi I).
bóng); C đại diện cho trường hợp chỉ số bỏ sót Theo Kaminsky et al. (1998) thì một chỉ số
cảnh báo (có bong bóng nhưng không cảnh 𝐵
(𝐵+𝐷)
hữu dụng khi có tỷ lệ 𝐴 (aNtS - adjusted
báo); và D đại diện cho trường hợp chỉ số (𝐴+𝐶)
không phát tín hiệu đúng (không có bong bóng noise to signal ratio) phải nhỏ hơn 1, nghĩa là
và không phát tín hiệu ). Từ đó, ta có tỷ lệ tỷ lệ cảnh báo đúng của chỉ số phải lớn hơn tỷ
46
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
lệ cảnh báo sai. Nếu tỷ lệ này lớn hơn 1 thì đây trên giá thuê (P/R) và tỷ lệ giá nhà trên thu nhập
là một chỉ số tồi. Còn bằng 1 đại diện cho chỉ (P/I) và đây cũng là hai chỉ số sẽ được sử dụng
số này cung cấp tín hiệu hoàn toàn ngẫu nhiên để xác định tình trạng bong bóng trên thị trường
đối với khủng hoảng, một chỉ số không có ý căn hộ TPHCM.
nghĩa. Theo Alessi và Detken (2009) thì cho + Chỉ số giá nhà trên giá thuê: P/R =
rằng một chỉ số cảnh báo tốt vừa phải có aNtS Giá nhà
được nhiều nhà nghiên
Giá thuê hàng tháng x 12
< 1 và vừa phải có thiệt hại do cảnh báo gây ra
cứu như Krainer và Wei (2004), Mikhed và
là thấp nhất.
Zemcik (2009), Yongzhou Hou (2010), Paolo
Gọi Loss là thiệt hại của một chỉ số cảnh
et al. (2014)… đồng ý là một chỉ số quan trọng
báo bong bóng đối với những nhà lập chính
để nhận diện tình trạng bong bóng trên thị
sách (ngân hàng trung ương), và là tổng trọng
𝐶
trường nhà ở. Theo Prior (2015) thì khi chỉ số
số của lỗi I và II dưới dạng: Loss = 𝜃 𝐴+𝐶 + P/R vượt qua mức ngưỡng 20 thì việc mua nhà
𝐵
(1 − 𝜃) Trong đó, θ là hệ số cho biết sự lo trở nên quá mắc so với việc thuê nhà và do đó
𝐵+𝐷
sợ rủi ro tương đối giữa lỗi I và lỗi II của chỉ lời khuyên được đưa ra trong trường hợp này
số cảnh báo. Nếu θ < 0.5 nghĩa là người làm là nên đi thuê nhà và đầu tư số tiền còn lại cho
chính sách lo ngại về cảnh báo sai hơn là bỏ mục tiêu khác. Ngược lại, khi chỉ số P/R nhỏ
sót khủng hoảng. hơn 20 thì lúc này mua nhà sẽ là lựa chọn tốt
Để tối thiểu hoá thiệt hại, nếu θ< 0.5 thì hơn. Tương tự, Yongzhou Hou (2010) cho
ngân hàng trung ương sẽ bỏ qua chỉ số cảnh rằng với với khi chỉ số P/R vượt quá mức
báo này vì lo ngại cảnh báo sai. Khi đó sẽ ngưỡng 18 thì giá nhà đang là quá mắc so với
không có cảnh báo nào được phát ra từ chỉ số việc đi thuê (tình trạng bong bóng giá nhà) và
này, nên ta có A = B = 0 và thiệt hại lúc này giá nhà sẽ giảm trong tương lai. Xiaoling
là θ. Ngược lại, nếu θ > 0.5 thì ngân hàng (2007) cũng đồng ý với mức ngưỡng để xác
trung ương sẽ lo ngại việc bỏ sót cảnh báo hơn định tình trạng bong bóng tại các thành phố
nên sẽ sử dụng chỉ số cảnh báo và chấp nhận lớn của Trung Quốc theo chỉ chỉ số P/R là 20.
việc cảnh báo sai, do đó ta sẽ có C = D = 0 và Như vậy, ta thấy rằng hầu như không có sự
thiệt hại sẽ là (1-θ). Do đó, một chỉ số cảnh chênh lệch về mức ngưỡng được đề nghị cho
báo bong bóng thật sự hữu dụng khi nó tạo ra chỉ số P/R giữa Mỹ và Trung Quốc và xoay
một mức thiệt hại thấp hơn mức Min[θ, (1-θ)] quanh mức 20, do đó, trong bài nghiên cứu
với một θ cho trước. này, tác giả cũng xác định mức ngưỡng cho
Dựa vào tiêu chuẩn chỉ số cảnh báo của chỉ số P/R để xác định tình trạng bong bóng tại
Kaminsky et al. (1998), có hai chỉ số cơ bản thị trường nhà ở thành phố Hồ Chí Minh là 20.
được hầu hết các tác giả áp dụng là tỷ lệ giá Theo đó, nếu chỉ số P/R vượt mức 20 thì ta có
nhà so với giá thuê (P/R), tỷ lệ giá nhà so với thể kết luận thị trường nhà ở đang rơi vào tình
thu nhập (P/I). trạng bong bóng và giá nhà là quá mắc cho
Trên cơ sở đó, Dreger và Kholodilin (2013) việc mua nhà.
đã chỉ ra một số chỉ số hiệu quả trong việc cảnh + Chỉ số giá nhà trên thu nhập (P/I): Theo
báo tình trạng bong bóng trong lĩnh vực nhà ở, Yongzhou Hou (2010), nếu chỉ số P/I trở nên
trong đó hai chỉ số được quan tâm và sử dụng quá mức cùng với tình trạng lãi suất tăng cao sẽ
trong hầu hết các bài nghiên cứu là tỷ lệ giá nhà làm trầm trọng thêm khoản chi trả mua nhà của
47
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
các hộ gia đình và nếu chỉ tiêu này vượt quá trọng đến các nhu cầu cần thiết khác như thực
ngưỡng chịu đựng của hộ gia đình thì họ sẽ phẩm, quần áo, di chuyển, chăm sóc trẻ em và
không thể trang trải cho hoạt động mua nhà, điều chăm sóc y tế của hộ (Dell et al., 2004),
này hàm ý rằng giá nhà đang quá cao để mua và Schwartz và Wilson, 2008, HUD1, 2012, Gary
đang có tình trạng bong bóng trên thị trường. Pivo,2013), với tỷ lệ LTV (loan to value) áp
Đồng ý với quan điểm này, Xiaoling (2007), dụng trong lĩnh vực BĐS là 70% với thời hạn
Fawley và Wen (2013) cũng cho rằng chỉ số P/I vay tối đa phổ biến là 20 năm, với lãi suất thực
được sử dụng phổ biến để xác định tình trạng 2016 của Việt Nam là 5.785% (World Bank)
bong bóng nhà đất trên thế giới. thì mức ngưỡng chịu đựng của chỉ số P/I là 52
Theo Yusong (2012) thì tỷ lệ P/I được hầu khi áp dụng tại thị trường nhà ở TPHCM là
hết các các quốc gia và các tổ chức quốc tế sử hợp lý.
dụng để đánh giá khả năng mua nhà của các hộ 4. Kết quả và thảo luận
gia đình. Tuy nhiên hiện đang có sự khác nhau 4.1 Khảo sát dữ liệu
giữa cách đo lường chỉ số này của Liên Hiệp Dữ liệu sơ cấp được thu thập từ 147 hộ gia
Quốc (UN) và Ngân hàng Thế Giới (WB). đình mua thực hiện mua và thuê căn hộ tại địa
Theo đó, UN dùng giá trị trung vị của giá thị bàn thành phố Hồ Chí Minh trong giai đoạn từ
trường nhà ở và của thu nhập bình quân hàng 1/2017 đến 3/2017 với khu vực khảo sát phân bố
năm của hộ gia đình, còn WB thì đo lường dựa như sau:
trên giá trị trung bình của giá thị trường nhà ở
và của thu nhập bình quân hàng năm của hộ
gia đình. Do đó, trong bài nghiên cứu này, tác
giả sử dụng cả 2 cách tính của UN và của WB
để tính chỉ số P/I.
Về mức ngưỡng của chỉ số P/I, theo phương
pháp phân loại thị trường nhà ở của tổ chức
Demographia International thì khi chỉ số P/I
vượt mức ngưỡng 5.1 thì thị trường nhà ở lúc
đó được xem là “Severely Unaffordable” 1
HUD: U.S. Department of Housing and
(Suhaida et al., 2011). Tương tự, theo Yusong Urban Development
(2012) thì giá trị P/I dao động trong khoảng từ
2
Với mức ngưỡng 30%, số tiền tối đa hộ có
thể dùng để trả nợ mua nhà là 30%xThu nhập
4 – 6 được các nhà nghiên cứu Trung Quốc
= Khoảng nợ x Mortgage Constant. Mà với tỷ
xem như là tiêu chuẩn quốc tế của chỉ số này lệ LTV = 70%, ta có Khoảng nợ tối đa hộ có
và theo ông thì mức chuẩn này là phù hợp khi thể vay=70%Giá nhà.
so sánh với mức P/I tối đa của Mỹ là 5 cho Với khoảng vay lãi suất thực là
5.785%/năm có thời hạn vay 20 năm, ta có thể
giai đoạn trước khi xảy ra cuộc khủng hoảng tính được hệ số Mortgage Constant như sau:
cho vay dưới chuẩn ở Mỹ. Theo tác giả, căn cứ 𝑟(1+𝑟)20
Mortgage Constant = (1+𝑟)20 −1 = 8.567%
vào mức ngưỡng thích hợp cho khả năng chi
Như vậy, ta có thể viết lại như sau: 30%Thu
trả của hộ gia đình cho nhà ở và các tiện ích nhập = 70% Giá nhà x 8.567%
kèm theo là không vượt quá 30% tổng thu Mức ngưỡng của chỉ số P/I =
30%
nhập nhằm không gây ảnh hưởng nghiêm ≈5
70%.8.567%
48
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
Biểu đồ 4.1: Khu vực khảo sát (n=147)
Thu Duc 008%
006%
Tan Binh 007%
007%
Phu Nhuan 007%
005%
Quận 11 002%
009%
Quận 9 006%
005%
Quận 7 004%
003%
Quận 5 007%
007%
Quận 3 006%
004%
Quận 1 005%
000% 002% 004% 006% 008% 010%
Nguồn: Khảo sát của tác giả
Trong đó, loại căn hộ được tập trung khảo sát nhiều nhất là loại từ 30 – 50 m2 và từ 50 - 75
m2 .
Biểu đồ 4.2: Diện tích căn hộ (n=147)
Trên 100 m2 14%
Từ 76 đến 100 m2 18%
Từ 51 đến 75 m2 22%
Từ 31 đến 50 m2 25%
Dưới 30 m2 20%
0% 5% 10% 15% 20% 25% 30%
(Nguồn: Khảo sát của tác giả)
Thu nhập bình quân đầu người của 527 người được khảo sát trong 147 hộ là 6.951.846
đồng/tháng và được phân bổ như sau:
49
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
Bảng 4.1: Thu nhập cá nhân (ngàn đồng/tháng) (n= 527)
Không
có thu 501 - 701 - 1,001 - 1,501 - 2,001 - 3,001 -
nhập
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
4.2 Kết quả thương xuyên theo dõi chặt chẽ. Còn khu vực
Từ kết quả khảo sát 147 hộ gia đình thực ngoài trung tâm thì dù chưa đạt ngưỡng cảnh
hiện mua căn hộ và cho thuê căn hộ tại địa bàn báo như cũng cần phải theo dõi. Ngoài ra, với
thành phố Hồ Chí Minh trong khoảng thời tình trạng giá nhà đang vượt gấp 16 – 20 lần
gian từ 1/2017 đến 3/2017, tác giả tính toán giá thuê thì theo hướng dẫn về nhà ở thì các hộ
các chỉ số P/R và P/I như sau: gia đình sẽ có lợi hơn từ việc thuê căn hộ so
+ Chỉ số giá nhà trên giá thuê (P/R): Từ kết với mua căn hộ.
quả khảo sát, ta tính được chỉ số P/R cho khu + Chỉ số giá nhà trên thu nhập (P/I): Căn cứ
vực trung tâm là 20,2 và cho khu vực ngoài số liệu của cục thống kê Tp HCM thì thu nhập
trung tâm là 17,6 theo cách tính của WB. Còn bình quân đầu người của thành phố năm 2016
theo cách tính của UN thì chỉ số P/R cho khu là 121,5 triệu đồng/năm (tương đương 5428
vực trung tâm là 18,9 và cho khu vực ngoài USD). Điều chỉnh với số liệu thu nhập bình
trung tâm là 14,7. Như vậy, dựa vào chỉ số giá quân khảo sát tại 2 khu vực (Centre và
nhà trên giá thuê thì ta thấy rằng thị trường căn Outside) và quy mô hộ bình quân khảo sát
hộ ở khu vực trung tâm đang nằm gần mức (2,31 người đối với hộ mua căn hộ 1 phòng
ngưỡng của tình trạng bong bóng, cơ quan ngủ và 4,63 người đối với hộ mua căn hộ 2 – 3
quản lý chưa cần can thiệp nhưng cũng phải phòng ngủ).
Bảng 4.3: Kết quả tính chỉ số P/I
Diện
Thu nhập bình Thu nhập bình
tích Chỉ Chỉ
Giá nhà quân đầu người quân đầu người
bình số số
(VND) theo cục thống kê theo khảo sát
quân P/I P/I
(VND/người/năm) (VND/người/năm)
(m2)
Căn hộ trung tâm (1 phòng ngủ) 35,6 1.871.421.736 298.612.290 2,71 205.027.818 3,95
Căn hộ ngoài trung tâm (1 phòng
ngủ) 35,6 938.046.645 109.738.372 3,70 75.346.594 5,39
Căn hộ trung tâm (2-3 phòng
ngủ) 79,7 4.189.671.696 298.612.290 3,03 205.027.818 4,41
Căn hộ ngoài trung tâm (2-3
phòng ngủ) 79,7 2.100.065.101 109.738.372 4,13 75.346.594 6,02
Nguồn: Tính toán của tác giả
Kết quả. chỉ số giá nhà trên thu nhập (P/I) thấy đối với người mua nhà trong khu vực
tại cả hai khu vực đều nằm dưới mức ngưỡng trung tâm thì dù giá nhà cao hơn gấp đôi so
5 theo số liệu thu nhập bình quân đầu người với khu vực ngoài trung tâm nhưng gánh nặng
của Cục Thống kê. Điều này cho thấy rằng giá này đối với thu nhập của họ không quá lớn.
nhà tại Tp.HCM vẫn đang nằm trong mức có Nhưng đối với những căn hộ ngoài trung tâm.
thể chi trả của các hộ gia đình. Tuy nhiên. theo dù giá nhà rẻ hơn nhưng mua nhà vẫn là một
số liệu thu nhập bình quân khảo sát được thì việc nặng nề đối với họ.
căn hộ ngoài trung tâm (cả loại 1 phòng ngủ và 5. Kết luận
2-3 phòng ngủ) đều vượt mức ngưỡng 5 Với kết quả áp dụng phương pháp tín hiệu
(những vẫn nằm trong khung từ 4 – 6 của tiêu tại thị trường căn hộ TP HCM, ta có thể kết
chuẩn quốc tế của chỉ số P/I). Điều này cho luận rằng hiện nay chưa xuất hiện tình trạng
51
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
bong bóng tại khu vực thành phố. Tuy nhiên, động tiếp theo trên thị trường căn hộ và có thể
tại khu vực trung tâm đã bắt đầu xuất hiện tình sớm có biện pháp can thiệp vào thị trường
trạng giá nhà đang trở nên khá cao so với chi BĐS nhằm khống chế sự tiếp tục tăng lên của
phí thuê nhà. Mặc dùng vẫn nằm trong ngưỡng giá nhà mà nguyên nhân có thể là do sự tập
chịu đựng của hộ gia đình. Ngược lại. giá nhà trung và gia tăng nhanh chóng của nguồn vốn
khu vực ngoài trung tâm cũng đang trở nên là tín dụng vào lĩnh vực BĐS cùng với sự tham
một gánh nặng đối với thu nhập của các hộ gia gia ngày càng nhiều của đối tượng nhà đầu tư
đình nơi đây. Do đó, cơ quan quản lý nên thứ cấp trên thị trường.
thường xuyên theo dõi chặt chẽ những biến
Tài liệu tham khảo
Agnello L. and Schuknecht L.. (2009). “Booms And Busts In Housing Markets: Determinants
And Implications”. ECB Working Paper Series No. 1071.
Alessi. L.. and Detken. C.. (2011). “Quasi real time early warning indicators for costly asset
price boom/bust cycles: A role for global liquidity. European Journal of Political Economy”.
27(3): 520–533. URL http://ideas.repec.org/a/eee/poleco/v27y2011i3p520-533.html.
Berg A.. Pattillo C.. (1999). “Predicting currency crises: The indicators approach and an
alternative”. Journal of International Money and Finance. 18. page 561–586.
Berg. van der J.. B. Candelon and J.-P. Urbain. (2008). “A cautious note on the use of panel
models to predict financial crises”. Economics Letters. Vol. 101. No. 1. pp. 80-83.
Bernanke. Ben. (2002). “Asset-price ‘bubbles’ and monetary policy.” Speech delivered at the
New York Chapter of the National Association for Business Economics. New York. N.Y..
October 15
Blanchard O. and Mark Watson. (1983). “Bubbles. rational expectations and financial markets”.
National Bureau of Economic Research. NBER Working Papers 945.
Bussiere M. and Fratzscher M.. (2002). “Towards A New Early Warning System Of Financial
Crises”. Working Paper Series 0145. European Central Bank.
Case. Karl E.; John M. Quigley and Robert J. Shiller (2005). “Comparing Wealth Effects: The
Stock Market versus the Housing Market”. Advances in Macroeconomics. Vol. 5 [2005]. No.
1. Article 1.
Cecchetti SG.. Genberg H.. Lipsky J. and Wadhwani S.. (2000). “Asset Prices and Central Bank
Policy”. The Geneva Report on the World Economy No. 2. International Center for Monetary
and Banking Studies and Centre for Economic Policy Research. Geneva.
Chakraborty. I.. Itay Goldstein. and Andrew MacKinlay. (2016). “Housing Price Booms and
Crowding-Out Effects in Bank Lending.” Working Paper. University of Pennsylvania.
DeMarzo PM.. Kaniel R. and Kremer H.. (2008). “Relative Wealth Concerns and Financial
Bubbles”. The Review of Financial Studies. Volume 21 Iss 1.
Deng Yusong. (2012). "Systems and Policies for Stable. and Continued Development of China's
Housing Market". Institute of Market Economy. the DRC Research Report No 19. 2012
Diebold. F.X. and G. Rudebusch. (1989). “Scoring the leading indicators”. Journal of Business.
Vol.62. No. 3. pp. 369-391.
52
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
Dreger. Christian and Kholodilin. Konstantin A.. (2013). “An Early Warning System to Predict
Speculative House Price Bubbles” Economics: The Open-Access. Open-Assessment E-
Journal. Vol. 7. 2013-8. http://dx.doi.org/10.5018/economics-ejournal.ja.2013-8.
ECB. November. (2010). “Articles: Asset Price Bubbles And Monetary Policy Revisited”. ECB
Monthly Bulletin November 2010. accessed at
https://www.ecb.europa.eu/pub/pdf/mobu/mb201011en.pdf
Farhi. E.. and J. Tirole. 2012. “Bubbly Liquidity”. Review of Economic Studies. 79. 678–706
Fawley. Brett W. and Yi Wen. (2013). “The Great Chinese Housing Boom”. Economic
Synopses. 2013. No. 13. accessed at
http://research.stlouisfed.org/publications/es/13/ES_13_2013-05-03.pdf
Frait. J. and L Komárek (2007). “Monetary Policy and Asset Prices: What Role for Central
Banks in New EU Member States?” Prague Economic Papers. 16(1).
Gary Pivo. 2013. “The Definition of Affordable Housing: Concerns and Related Evidence”.
The Federal National Mortgage Association ( FNMA ). accessed at
http://www.fanniemae.com/resources/file/fundmarket/pdf/hoytpivo_mfhousing_affordableho
usingdef_122013.pdf.
Gerdesmeier D.. Reimers HE.. and Roffia B.. (2009). “Asset prices misalignmentsand the role of
money and credit”. ECB Working Paper. No. 1068.
Gerdesmeier D.. Reimers HE.. and Roffia B.. (2010). “Asset prices misalignmentsand the role of
money and credit”. International Finance. Vol. 13. 377-407.
Hong H. and Stein JC.. (1998). “A Unified Theory of Underreaction. Momentum Trading and
Overreaction in Asset Markets” Journal of Finance. Volume 54. Issue 6. pages 2143–2184
HUD. (2012).“Affordable Housing”. US Department of Housing and Urban Development. 12
September 2012. http://www.hud.gov/offices/cpd/affordablehousing/.
Kaminsky G.. Lizondo S.. Reinhart C. M. (1998) “Leading indicators of currency crises” IMF
staff papers a quarterly journal of the IMF. Vol. 45. No.1.
Kaminsky. Graciela L.. (1999). “Currency and Banking Crises: The Early Warnings of
Distress”. IMF Working Paper. WP/99/178.
Katayama. M.. (2008). “Dynamic Analysis in Productivity. Oil Shock. and Recession". PhD
thesis. University of California. San Diego.
Krainer J. and Wei C.. (2004). “House Prices and Fundamental Value”. FRBSF - Federal
Reserve Bank of San Francisco. accessed at http://www.frbsf.org/economic-
research/publications/economic-letter/2004/october/house-prices-and-fundamental-value/
Kuang W. (2014). “Rent to Price Ratio and Housing Bubble in Urban China”. 19th AsRES
Annual Conference. Gold Coast. Australia.
Leamer. Edward (2007). “Housing Is the Business Cycle”. International Economic Review.
46(3). 149-233.
Liu. Dang and Zhang. Liang (2004). “Mechanism and Regional Characteristics of Economy
Bubble in China Real Estate Industry”. Journal of Chongqing Jianzhu University. 2004. vol.
4.
53
- Tạp chí Nghiên cứu Tài chính – Marketing số 43, 02/2018
Lux. T.. (1995). “Herd Behaviour. Bubbles and Crashes.” Economic Journal. Vol. 105. No. 431.
pp. 881–896
Mikhed. V. and Zemcik. P. (2009). ‘‘Testing for bubbles in housing markets: A panel data
approach’’. Journal of Real Estate Financial Economics. Vol. 38. pp. 366-86
Mishkin. Frederic S.. (2011). “Monetary policy strategy: lessons from the crisis”. National
Bureau of Economic Research. Working Paper No. 16755. accessed at
http://www.nber.org/papers/w16755
Neftçi. S. N.. (1982). “Optimal Prediction of Cyclical Downturns” Journal of Economic
Dynamics and Control. 11/1982 No.4. 225–241.
O’Dell, WO., M. Smith and D. White, (2004). “Weaknesses in Current Measures of Housing
Needs”. Housing and Society 31(1). 29-40.
Paolo, G., B. Norges, J. L. Kevin, (2014). “House Prices. Expectations. and Time-Varying
Fundamentals”. Federal Reserve Bank Of San Francisco Working Paper Series.
Prior. A.. (2009). “Better to buy or rent?”. The Wall Street Journal. 27/03/2010.
Prior. A.. (2015). “The 15 Numbers Every Investor Needs to Know”. The Wall Street Journal.
02/01/2015.
Roubini N.. (2006). “Why Central Banks Should Burst Bubbles”. International Finance. Volume
9. Issue 1. pages 87–107. Spring 2006.
Schwartz M. and Wilson E.. (2008). “Who Can Afford To Live in a Home?: A look at data from
the 2006 American Community Survey” accessed at
http://www.census.gov/housing/census/publications/who-can-afford.pdf
Sheng. A. (2009). “From Asian to global financial crisis: an Asian regulator's view of unfettered
finance in the 1990s and 2000s”. Cambridge University Press. ISBN 978-0-521-13415-6.
Suhaidab. M. S.. N. M. Tawila. N. Hamzaha . A. I. Che-Ania . H. Basria and M.Y. Yuzaineec
(2011). “Housing Affordability: A Conceptual Overview for House Price Index”. Procedia
Engineering Journal. Volume 20. 2011. Pages 346-353.
Tirole J.. (1985). “Asset Bubbles and Overlapping Generations”. Econometrica. Vol. 53. No. 6.
(Nov.. 1985). pp. 1499-1528
Xiao. Shengting. (2010). “Is there a bubble in china’s housing market?” Division of Building and
Real Estate Economics. KTH. Stockholm.
Xiaoling. L. (2007). "Analysis of the current high housing prices in China and possible policies."
Division of Building and Real Estate Economics. KTH. Stockholm.
Yongzhou Hou. (2010). "Housing price bubbles in Beijing and Shanghai?: A multi‐indicator
analysis".International Journal of Housing Markets and Analysis. Vol. 3 Iss: 1. pp.17 – 37
54
nguon tai.lieu . vn