Onderzoek
Nederland in recessie als Chinese huizenbubbel barst
Een huizenmarktcrisis in China kan grote gevolgen hebben voor Nederland. Een Chinese huizenmarktcrisis met een verondersteld bbp-verlies van ruwweg 20 procent zou in Nederland leiden tot een cumulatief verlies van 6 procent. Dit is de helft van het verlies in Nederland na de Grote Recessie.

In het kort
Door alle aandacht voor de Amerikaanse presidentsverkiezingen en de onverwachte overwinning van Donald J. Trump is de aandacht voor de economische ontwikkelingen in China wat op de achtergrond geraakt. Dit terwijl zich verontrustende ontwikkelingen voordoen op de Chinese vastgoedmarkt met mogelijk verstrekkende gevolgen voor de mondiale economie en Nederland. In koopkrachttermen is de Chinese economie met ruwweg 20 biljoen euro immers de grootste economie ter wereld en in 2015 en 2016 verantwoordelijk voor bijna 40 procent van de mondiale bbp-groei.
De ontwikkelingen op de Chinese huizenmarkt zijn momenteel turbulent en verontrustend. De huizenprijzen in zogenoemde Chinese tier-1 en -2 steden zijn sinds 2015 zeer sterk gestegen en sinds begin dit jaar geldt dit ook voor enkele tier-3 steden (zie figuur 1). In China worden steden door analisten en beleidsmakers veelvuldig ingedeeld in een zogenoemde ‘tier’-classificatie op basis van criteria zoals populatiegrootte, de kwaliteit van voorzieningen en infrastructuur (Sinostep, 2016). Hoewel lokale overheden al diverse maatregelen hebben genomen om de prijstoename te temperen (zie Erken en Giesbergen, 2016), blijft het gemiddelde prijspeil vooralsnog stijgen (18 procent jaar-op-jaargroei in oktober). Door de forse prijsstijging over de afgelopen periode is vastgoed in diverse grote steden schrikbarend duur geworden. In Shanghai wordt voor een woning van 100 vierkante meter omgerekend momenteel 620 duizend euro neergeteld. Dat is evenveel als de gemiddelde verkoopprijs in New York en meer dan Londen (570 duizend euro). In de ICT-stad Shenzhen bedraagt de gemiddelde verkoopprijs voor 100 m2 zelfs 750 duizend euro. De Chinese vastgoedmagnaat Wang Jianlin heeft in een recent interview met CNN de Chinese vastgoedmarkt niet voor niets de “biggest bubble in history” genoemd (zie CNN, 2016).
Figuur 1: Groei van huizenprijzen opgelopen tot 18 procent

Verklaring huizenprijsstijgingen
Er zijn diverse redenen voor de enorme dynamiek op de huizenmarkt in China, die vooral gerelateerd zijn aan de vraagkant ervan. Ten eerste heeft de Chinese centrale bank (PBoC) in februari 2016 de aanbetalingsregels versoepeld voor het kopen van een huis, met uitzondering van de tier-1 steden. Zo is de verplichte aanbetaling voor de koop van een eerste huis verlaagd van 25 naar 20 procent en van een tweede woning van 40 naar 30 procent. Deze versoepeling had tot doel om de grote leegstand in met name tier-3 en tier-4 steden tegen te gaan. Door de enorme opwaartse druk op de woningprijzen is de versoepeling overigens alweer deels teruggedraaid, maar het kwaad is nu al geschied. Ten tweede kent de Chinese markt weinig opties voor particulieren om in te investeren. Het is voor huishoudens in China niet toegestaan om vermogen te beleggen in buitenlandse activa. De aandelenbeurs wordt sinds de crash in september 2015 beschouwd als een relatief onaantrekkelijke optie en ook de vaste spaarrente ligt historisch zeer laag. De enige investeringsoptie die momenteel een hoog rendement oplevert tegen een gepercipieerd laag risicoprofiel is de huizenmarkt. Gecombineerd met een vertraagde reactie van vastgoedontwikkelaars hebben de hiervoor geschetste ontwikkelingen gezorgd voor een flinke opwaartse druk op de huizenprijzen. De grote vraag is hoe gevaarlijk deze situatie is. China heeft namelijk eerder te maken gehad met forse huizenprijsstijgingen, maar dat resulteerde niet in een ineenstorting van de markt. Zo stipten Glaeser et al. (2016) eerder aan dat de sterke vraag naar huizen ook een duurzaam karakter kan hebben, zeker wanneer dit beperkt wordt weerspiegeld aan de aanbodkant.
Is er een Chinese huizenmarktbubbel?
Himmelberg et al. (2005) stellen dat een huizenmarktbubbel wordt gekenmerkt door het feit dat kopers op dit moment bereid zijn meer te betalen voor een huis dan ze in normale tijden zouden doen, omdat ze een onrealistische hoge waardestijging in de toekomst verwachten. De vraag is echter wat een realistische ontwikkeling is van huizenprijzen. Hiervoor moeten we kijken naar onderliggende factoren van die prijs, ofwel de fundamentals. Volgens De Vries (2010) zijn fundamentals aan de vraagkant van de huizenmarkt het beschikbare inkomen, de rente en demografische ontwikkelingen, terwijl grondprijzen en bouwkosten de aanbodzijde beïnvloeden. We stellen dat kan worden gesproken van bubbelvorming als de prijsstijgingen een hoofdzakelijk speculatief karakter hebben en los komen te staan van de onderliggende fundamentals (zie ook Garretsen et al., 1999).
Betaalbaarheidsindex
Om te onderzoeken of sprake is van een vastgoedbubbel wordt vaak gekeken naar de verhouding tussen de huizenprijs en de huurprijs. Huren is namelijk het alternatief voor kopen en als er sprake is van een grote discrepantie kan dat worden geïnterpreteerd als de speculatieve component van de koopprijs. Een probleem is echter dat de huurmarkt in China zeer onderontwikkeld is, waardoor geen goede vergelijking kan worden gemaakt. Een alternatief is om de woonlasten te relateren aan het inkomen per hoofd van de bevolking. Dit geeft weer of kopers in staat zijn om hun woonlasten te betalen.
Figuur 2: Chinese tier-1 steden zijn vier tot zeven keer zo duur als Londen

Om de betaalbaarheid van woningen in Chinese steden in kaart te brengen, hebben we een eenvoudige betaalbaarheidsindex berekend die de maandelijkse woonlasten als annuïteit afzet tegen het besteedbare inkomen per inwoner in die steden (zie figuur 2). We maken daarbij een vergelijking met Londen, een stad die zich in de bovenste regionen bevindt in de UBS bubble index (UBS, 2016). Voor Londen komt de betaalbaarheidsindex uit op iets meer dan 60 procent, wat betekent dat iemand die in Londen een modaal huis heeft gekocht met een hypothecaire lening van ongeveer 2,5 procent rente gemiddeld genomen 60 procent van zijn maandelijkse besteedbare inkomen kwijt is aan woonlasten. Voor de tier-1 steden in China, zoals Shanghai en Beijing, liggen deze percentages rond de 400 en in het geval van Shenzhen zelfs op 600. Maar ook de goedkopere tier-2 en -3 steden noteren woonlasten die twee keer hoger liggen dan het besteedbare inkomen per hoofd. De verschillen met Londen komen vooral doordat het besteedbare inkomen in Chinese steden veel lager ligt. Zo zijn de woningprijzen in Shanghai en Londen nagenoeg gelijk, maar is het beschikbare inkomen in Londen 75.000 euro per jaar in 2015, terwijl dit in Shanghai 7.500 euro per jaar betreft. Dit roept de vraag op hoe Chinezen in staat zijn om hun huizen te betalen.
Hier valt een aantal verklaringen voor aan te voeren. Ten eerste wordt in de inkomensstatistieken geen rekening gehouden met het feit dat Chinezen een aanzienlijk deel van hun inkomen verdienen in het informele circuit (zogenoemde ‘grijze’ economie). Ook de wijze waarop zij huizen financieren verschilt substantieel van de wijze waarop dit gebeurt in het Westen, waar hypothecaire leningen een belangrijke rol spelen. In China is het kopen van een huis een belangrijke sociale aangelegenheid die zelfs bepaalt of iemand geschikt wordt geacht om te trouwen. Dit verklaart waarom vooral ouders, maar soms ook familie en zelfs vrienden veelal aan de koop van een huis bijdragen (zie Forbes, 2016). Gemiddeld zit 70 procent van het vermogen van huishoudens in koopwoningen en in de grote steden Beijing en Shanghai is dit zelfs 80 procent (Xu en Jin, 2015). Er zit dus enorm veel eigen vermogen in woningen, wat huishoudens ook extra kwetsbaar maakt bij een scherpe waardevermindering van vastgoed.
Huizenprijsmodel
Gegeven de atypische wijze van financiering van vastgoed in China en de onvergelijkbaarheid met dure steden buiten China, kiezen we ervoor om de vastgoedbubbels vooral te onderzoeken vanuit een intertemporele invalshoek gebaseerd op werk van Garretsen et al. (1999). We schatten daartoe drie modellen voor een panel van tier-1, tier-2 en tier-3 steden, waarin de prijsontwikkeling wordt verklaard door enkele fundamentals aan de vraagkant: de ontwikkeling van de rente, de hypotheekverstrekking door banken, het besteedbare inkomen en de bevolkingsgroei. Zie kader 1 voor een verdere technische toelichting. Deze modellen gebruiken we om het prijsniveau te voorspellen vanaf 2015 en af te zetten tegen de daadwerkelijke prijsontwikkeling. Als de afwijking tussen de daadwerkelijke huizenprijs en de voorspelde huizenprijs op basis van het geschatte model hoger ligt dan 2,5 keer de standaarddeviatie van deze afwijking over de gehele waarnemingshorizon spreken we van bubbelvorming en hebben de prijsstijgingen een hoofdzakelijk speculatief karakter.
Tabel 1 laat de procentuele resultaten voor een selectie van steden zien. Als we de hiervoor genoemde definitie toepassen op de resultaten, is sprake van een huizenmarktbubbel in de tier-1 steden Shenzhen en Shanghai, in de tier-2 steden Suzhou, Wuxi, Nanjing, Hefei, Wuhan en Tianjin en in de tier-3 steden Nantong, Wuhu, Dongguan, Zhuhai Zhengzhou, Tangshan en Shijiazhuang. Ter illustratie: volgens onze schattingen ligt de huidige vierkantemeterprijs (€7.600) van een woning in Shenzhen 25 procent hoger dan wat mag worden verwacht op basis van de onderliggende fundamentals (€6.000). In sommige tier-3 steden, zoals Wuhu en Zhuhai, is deze discrepantie zelfs 36 procent. Alle bubbelsteden tezamen tellen 92 miljoen inwoners, wat neerkomt op 12 procent van de totale stedelijke bevolking in China. Dit is een gebied dat qua bevolking even groot is als Duitsland en België bij elkaar en ook nog eens het hart van de economie betreft. De vraag is wat we kunnen verwachten als zo’n omvangrijk gebied zou worden getroffen door een scherpe correctie van de huizenprijzen.
Tabel 1: Chinese bubbelsteden

Figuur 3a: Huizenmarktbubbel in Shenzhen

Figuur 3b: Huizenmarktbubbel in Wuxi

Wat gebeurt er als de bubbel knapt?
Het knappen van een huizenmarktbubbel kan diverse oorzaken hebben, zoals een onverwachte stijging van de rente. Maar een bubbel kan ook barsten bij een ingrijpende beleidswijziging, zoals de implementatie van een vastgoedbelasting, waardoor huishoudens op grote schaal worden geconfronteerd met hogere woonlasten. Wanneer huishoudens hun vertrouwen verliezen in de waarde van vastgoed, kan dit leiden tot paniekverkopen en kan de huizenprijs versneld in elkaar zakken. Huishoudens en vastgoedontwikkelaars die worden geconfronteerd met vermogensverliezen, zullen proberen om deze te repareren door hun consumptieve uitgaven en investeringen uit te stellen. Als de financiële sector vervolgens ook is blootgesteld aan de vastgoedmarkt, leidt dit tot een verminderde werking van het financiële systeem, wat kan resulteren in permanente schade aan een economie (zie King, 1994). Er zijn indicaties dat het cumulatieve bbp-verlies bij een huizenmarktcrisis drie keer zo groot kan uitvallen in vergelijking met een economische recessie waarbij de huizenmarkt buiten schot blijft (Crow et al., 2013).
Scenarioanalyse
De vraag is of een huizenmarktcrisis in China ook gevolgen heeft voor Europa en Nederland in het bijzonder. Om dit te onderzoeken hebben we een stresstest uitgevoerd waarin we de effecten van een hypothetische huizenmarktcrisis in China doorrekenen met behulp van het econometrische wereldhandelsmodel NiGEM. Hierin wordt een schok voor de Chinese economie gemodelleerd waarna de economie zich na een bepaalde periode weer herstelt in de richting van de langetermijnevenwichtswaarden. We gaan er daarbij niet louter vanuit dat een huizenmarktcrisis via lagere binnenlandse consumptie en investeringen negatieve implicaties heeft voor de wereldhandel, maar ook zorgt voor wereldwijde negatieve vertrouwenseffecten, zoals we dat hebben gezien bij de Amerikaanse subprime-crisis in 2008.
We veronderstellen dat een huizenmarktcrisis zal beginnen met een scherpe correctie van de huizenprijzen in China, ingegeven door bijvoorbeeld een stijging van de reële rente. Dit zal met enige vertraging leiden tot een daling van investeringen in de bouwsector en aanverwante sectoren aldaar (zie Erken en Giesbergen, 2016). Ook de particuliere bestedingen in China zullen dalen, omdat huishoudens zullen proberen hun vermogensverliezen te repareren door meer te sparen/af te lossen en dus minder te consumeren. De lagere investeringen en consumptie zullen in ons scenario leiden tot een forse daling van de binnenlandse bestedingen met 15 procentpunt in 2017 ten opzichte van het basispad en met 4,2 procentpunt in 2018. Dit zorgt ervoor dat de Chinese economie in een recessie terecht zal komen en in 2017 met 1,5 procent zal krimpen. In het jaar erna zal er wel weer sprake zijn van groei (1,2 procent), maar China zal pas in 2021 terechtkomen op zijn potentiële groei. De binnenlandse vraaguitval zal ook direct leiden tot een sterke contractie van de importen. Voor de wereldhandel heeft dit forse implicaties, waarbij opkomende economieën die sterk afhankelijk zijn van de export van grondstoffen het sterkst zullen worden geraakt. Ook Nederland als kleine open economie zal hard worden getroffen door het inzakken van de wereldhandel. Een huizenmarktcrisis leidt in ons scenario niet alleen tot negatieve handelseffecten, maar ook tot negatieve vertrouwenseffecten. We modelleren daartoe wereldwijde stress op de financiële markten. Sterke negatieve sentimentseffecten bij investeerders zorgen bovendien voor hogere risicopremies, waardoor de kapitaalkosten stijgen en private investeringen dalen. Ook zal de spreiding van de koersen van staatsobligaties tussen verschillende landen sterk uiteen gaan lopen, waardoor overheden in met name perifere lidstaten binnen de eurozone worden geconfronteerd met hogere financieringskosten en stijgende begrotingstekorten, waardoor overheidsinvesteringen worden uitgesteld of afgesteld. Tot slot modelleren we een wereldwijde crash van de aandelenbeurzen, die via lagere vermogens ook een negatieve invloed heeft op de particuliere consumptie en investeringen.
Uit onze doorrekening blijkt dat een Chinese huizenmarktcrisis vergaande implicaties zou kunnen hebben voor de Nederlandse economie. Als we uitgaan van een hypothetische crash met een cumulatief bbp-verlies in China ten opzichte van het basispad van ruwweg 20 procent over de periode 2017-2023 (zie figuur 4a), zou het cumulatieve bbp-verlies in dezelfde periode in Nederland uitkomen op 6 procent, wat gelijk staat aan ruwweg 50 miljard euro. Hierdoor zou het bbp per Nederlander pas in 2022 weer op het niveau van 2008 terecht komen (zie figuur 4b) en zal de werkloosheid in 2018 oplopen tot 7,5 procent. Ook de eurozone als geheel krijgt een flinke klap te verduren, waarbij de totale cumulatieve bbp-verliezen oplopen tot 5,3 procent. Het is dus maar te hopen dat het huidige pakket aan maatregelen van de Chinese overheid om de excessieve huizenmarktonwikkelingen te temperen voldoende zijn.
Figuur 4a: BBP per hoofd China (€PPP, constante prijzen van 2015)

Figuur 4b: BBP per hoofd Nederland (€PPP, constante prijzen van 2015)

Overheidsmaatregelen
Veel lokale overheden in China hebben inmiddels maatregelen getroffen om de ontwikkeling van de huizenprijzen te beteugelen. Voorbeelden hiervan zijn aankooprestricties voor tweede en derde huizen en hogere aanbetalingsvoorwaarden. Verder zijn financieringsopties voor vastgoedontwikkelaars verminderd, om zo de schuld gedreven investeringen te beperken. Een veelgehoord punt van kritiek is dat de huidige financieringsstructuur speculatie met grond- en huizenprijzen in de hand zou werken, omdat dit naast lump sum financiering van Beijing de enige vorm van financiering is waartoe lokale overheden hun toevlucht kunnen nemen. Een nationale onroerendgoedbelasting zou dit probleem kunnen ondervangen, maar momenteel ontbreekt een goed georganiseerd vastgoedregistratiesysteem, wat de implementatie daarvan bemoeilijkt. De nationale overheid is momenteel een dergelijke maatregel aan het uitwerken. Het is te hopen dat Chinese beleidsmakers er in zullen slagen om de huizenmarkt met daadkracht en inventiviteit in het gareel te houden. Mocht een crisis uitbreken, dan is het de verwachting dat de overheid geen mitigerende rol kan spelen, zoals zij dat probeerde bij de aandelencrash in 2015. De overheid heeft toen massaal aandelen opgekocht om de koersen te ondersteunen, maar kon niet voorkomen dat de beurzen uiteindelijk toch instortten. Bedenk daarbij dat het vermogen dat in de Chinese huizenmarkt zit nog eens een veelvoud is van het vermogen in de aandelenbeurzen. Het lijkt onwaarschijnlijk dat de maatregelen op dit moment voldoende zijn om de lucht geleidelijk uit de huizenmarkt te laten ontsnappen. Maar daar staat tegenover dat China eerder te maken heeft gehad met excessieve huizenprijsstijgingen wat niet resulteerde in een ineenstorting van de markt.
Conclusie
In diverse Chinese steden zijn de huizenprijzen sinds 2015 explosief gestegen. Hoewel veel lokale overheden maatregelen hebben getroffen om de prijsstijgingen te temperen, neemt de prijs van Chinees vastgoed nog steeds toe en zit er veel lucht in de markt. Volgens onze berekeningen is in 15 van de 48 onderzochte steden sprake van een huizenmarktbubbel. Tezamen hebben deze steden een bevolkingsomvang van 92 miljoen inwoners, wat neerkomt op 12 procent van de totale stedelijke bevolking, een gebied zo groot als Duitsland en België bij elkaar. Via een stresstest met behulp van het econometrische wereldhandelsmodel NiGEM hebben wij onderzocht wat de eventuele gevolgen zouden kunnen zijn van het klappen van de Chinese vastgoedbubbel. Een huizenmarktcrisis in China met een verondersteld cumulatief bbp-verlies ten opzichte van het basispad van ruwweg 20 procent in de periode 2017-2023 zou zich in de eurozone doorvertalen in een cumulatief bbp-verlies van 5 procent. In Nederland als kleine open economie zou het effect nog iets groter zijn: 6 procent bbp-verlies ten opzichte van het basispad, wat neerkomt op ruwweg 50 miljard euro. Deze verliezen zijn het gevolg van een gecombineerde schok voor de wereldhandel in combinatie met negatieve vertrouwenseffecten, zoals we dat bij het uitbreken van de Amerikaanse huizenmarktcrisis in 2008 ook zagen.
Box 1: Een intertemporeel model voor de Chinese huizenmarkt
We gebruiken voor de Chinese huizenmarkt een huizenprijsmodel dat is geïnspireerd op het model dat Garretsen et al. (1999) gebruikten om de ontwikkeling van Nederlandse huizenprijzen te schatten:
Formule 1:

waarin H staat voor de gemiddelde huizenprijs per vierkante meter (data van China Real Estate Reports (CREIS) en π voor het inflatiepercentage (data van het National Bureau of Statistics (NBS)). Onze afhankelijke variabele meet dus de reële huizenprijzen per vierkant meter. Verder representeert r de gewogen gemiddelde hypotheekrente (data van PBoC), L de omvang van de hypotheekportefeuille bij banken in renminbi (data van China Economic and Industry Database (CEIC) en P de bevolkingsomvang. Omdat we de eerste afgeleide nemen bij a2, meet deze term de groei waarmee banken hun hypotheekportefeuille veranderen. Y is het besteedbare inkomen per hoofd (data van CEIC). De term a4 and a5 meten dus de nominale huisprijzen in verhouding tot het beschikbare inkomen op de korte en middellange termijn. Tot slot staat i voor stad, t voorkwartaal, D voor de jaar-op-jaarmutatie en is d een dummyvariabele per stad om rekening te houden met niet-geobserveerde heterogeniteit. Het model is geschat voor een panel van tier-1, tier-2 en tier-3 steden voor de periode 2010Q2-2014Q4. Vervolgens zijn deze modellen gebruikt om te voorspellen hoe de huizenprijzen zich zouden ontwikkelen in de periode 2015Q1-2016Q3. Door deze voorspelling op basis van de fundamentals te spiegelen aan de daadwerkelijke prijsontwikkeling kunnen we identificeren hoe groot de bubbelcomponent in de prijsontwikkeling is. In tabel 2 staan de schattingsresultaten van de drie panelmodellen. De gewogen gemiddelde hypotheekrente (a1) heeft in alle drie de modellen een significant negatief effect op de reële huizenprijzen. Dit is intuïtief plausibel: als de rente stijgt, neemt de betaalbaarheid van en de vraag naar woningen af, wat vervolgens zorgt voor een lagere prijsdruk. De groei van de hypotheekportefeuille bij banken (a2) als gevolg van een stijgende vraag naar woningen heeft een significant positief effect in de tier-1 en tier-2 steden. In de tier-3 steden is dit effect niet significant, mogelijk omdat banken vooral extra hypotheekleningen verstrekken in de grotere steden waar minder sprake is van leegstand dan in veel tier-3 steden. De bevolkingsgroei (a3) heeft in de tier-3 steden een sterk opwaarts effect op de reële prijzen, maar niet in de tier-1 en tier-2 steden. Het lijkt er dus op dat de sterke urbanisatie in China alleen buiten de grote steden zorgt voor extra vraag en prijsdruk, omdat nieuwkomers (zoals rurale migranten) waarschijnlijk niet in staat zijn om dure woningen in deze grote steden te kopen. Tot slot laat de één kwartaal vertraagde huizenprijs-inkomensratio (a4) een significant positief effect zien in de tier-1 en -2 steden, terwijl dezelfde variabele vijf kwartalen vertraagd (a5) een significant negatief effect laat zien. Deze resultaten zijn min of meer vergelijkbaar met Garretsen et al. (1999). Op korte termijn zorgt een stijgende huizenprijs-inkomensratio voor een nog snellere groei van de reële huizenprijzen, omdat mensen anticiperen en speculeren op verdere prijsstijgingen. Als prijzen echter te sterk gaan afwijken van het inkomen, zal dit na verloop van tijd een rem zetten op verdere prijsstijgingen, doordat de betaalbaarheid steeds verder verslechtert. Het speculatieve kortetermijnmechanisme (a4) is niet significant in tier-3 steden, waarschijnlijk omdat in veel van deze steden nog steeds sprake is van een aanzienlijke leegstand.
Tabel 2: Schattingsresultaten Chinees huizenprijsmodel

Literatuur
CNN Money (2016), Billionaire: Chinese real estate is 'biggest bubble in history’.
Crowe, C., Dell’Ariccia, G., Igan, D., & Rabanal, P. (2013). How to deal with real estate booms: Lessons from country experiences. Journal of Financial Stability, 9(3), 300-319.
Erken, H.P.G. en B.C.J. Giesbergen (2016). How serious is China’s housing market bubble?, Rabobank, Utrecht.
Himmelberg, C., Mayer, C., & Sinai, T. (2005). Assessing high house prices: Bubbles, fundamentals and misperceptions. Journal of Economic Perspectives, 19(4), 67-92.
Forbes (2016), How people in China afford their outrageously expensive homes.
Garretsen, H., Ees, H. V., Groeneveld, H., & Haas, R.D. (1999). Anatomie van financiële crises. Over de prijs van risico. Schoonhoven: Academic Service.
Glaeser et al. (2016). A Real Estate Boom with Chinese Characteristics. National Bureau of Economic Research, working paper no. 22789.
King, M. (1994). Debt deflation: Theory and evidence. European Economic Review, 38(3-4), 419-445.
Sinostep (2016). All You Need to Know about China City Tiers: sinostep.com
UBS (2016), UBS Global Real Estate Bubble Index. For housing markets of select cities 2016.
Vries, P. de (2010). Measuring and explaining house price developments (Vol. 36). IOS Press.
Xie, Y., & Jin, Y. (2015). Household wealth in China. Chinese sociological review, 47(3), 203-229.
Gepubliceerd op de website van ESB - 18 januari 2017