بررسی رابطه‌ی نرخ سود سپرده‌های بانکی و قیمت مسکن در ایران

نویسندگان

1 دانشجوی دکتری اقتصاد دانشگاه تهران و پژوهشگر معاونت اقتصادی و برنامه‌ریزی وزارت بازرگانی

2 دانشجوی دکتری اقتصاد دانشگاه ملی دولتی تاجیکستان و پژوهشگر مؤسسه‎ی مطالعات و پژوهش‎های بازرگانی

چکیده

هدف این مقاله، بررسی رابطه‌ی بین نرخ سود سپرده‌های بانکی و قیمت مسکن در ایران می‌باشد. در این راستا از چندین الگوی خودرگرسیونی برداری VAR استفاده شده است که شامل متغیرهای نرخ‌های سود حقیقی سپرده‌های بانکی (یک‎ساله و پنج‌ساله) و متغیرهای حجم پول در گردش (شامل نرخ رشد پایه‎ی پولی و نرخ رشد نقدینگی) و نرخ رشد تولید ناخالص داخلی سرانه به عنوان متغیرهای تعیین‌کننده طرف تقاضا و هزینه‌های خدمات ساختمانی و نیز ساخت مسکن جدید به عنوان متغیرهای تعیین‌کننده‎ی سمت عرضه هستند. در این پژوهش با استفاده از داده‌های فصلی سال‌های 1386-1370، هفت مدل مختلف برآورد شد، و نتایج مدل‌ها نشان داد که با کاهش نرخ‌های سود سپرده‌های بانکی جذابیت بازار مسکن به عنوان دارایی جایگزین افزایش و تقاضا برای آن افزایش می‌یابد، که منجر به افزایش قیمت‌ مسکن خواهد شد. به عبارتی بین نرخ‌های سود سپرده‌های بانکی و قیمت مسکن، رابطه‌ای منفی برقرار است.
طبقه‌بندی : JEL E43, G12, R21, R31

کلیدواژه‌ها


عنوان مقاله [English]

Analyzing the Relation between Bank Deposit Rates and House Prices in Iran

نویسندگان [English]

  • Hassan Heydari 1
  • Amir Reza Soori 2
1
2
چکیده [English]

We have studied the relation between bank deposit rates and house prices in Iran. For that, we have run some VAR models, using the following variables: real deposit rates (including 1 and 5 years deposit rates), money supply (including the high powered money and the liquidity), GDP, housing services index, and number of licenses for new houses. Our results show that a reduction in the deposit rates reduces its attraction and increases demand for housing as an alternative asset to stock wealth. In other word, we find that there is a negative relation between bank deposit rates and house prices.
JEL classification: E43, G12, R21, R31

کلیدواژه‌ها [English]

  • Bank Deposit Rates
  • House Prices
  • Housing
  • Iran
  • Vector Autoregressive Model (VAR)