Cortes和LaPoint (2024) [1] 通过构建一个涵盖1919年至2019年全美各州及60个最大都市区的月度建筑许可数据集，系统研究了住房市场与金融周期之间的关系。以下是全文的核心内容概括：

1. 主要发现

• 建筑许可波动性预测金融周期：住宅建筑许可增长（BPG）的波动性是未来股票和公司债券市场回报波动性的强有力预测指标。这一预测能力在控制公司杠杆、家庭杠杆、大宗商品价格风险以及自然灾害等其他物理风险后依然显著。[1]
• 地区异质性：在住房供应弹性较大的地区（如佛罗里达州和佐治亚州），BPG波动性的预测能力更强，而供应弹性较小的地区（如康涅狄格州）则较弱。[1]
• 历史验证：这一预测关系在长达一个世纪的数据中（包括大萧条、二战及2008年全球金融危机等20次衰退）均得到验证。[1]

2. 理论框架

作者建立了一个包含实物期权价值理论和信息不对称（Grossman-Stiglitz框架）的模型，解释了建筑许可为何能预测金融波动。模型提出四个可验证的假设：

• 建筑许可反映地方经济基本面。[1]
• 许可量的变动正向预测短期资产价格和回报。[1]
• BPG波动性与资产波动性的关系在不同地区具有异质性，且在小波动地区正向关系更显著。[1]
• 住房供应限制（物理约束和监管约束）降低了BPG作为信号的精确度。[1]

3. 实证证据

• 大萧条与战后繁荣期（1919–1957）：BPG波动性对股票和债券波动性的预测在1920年代佛罗里达土地繁荣及大萧条期间尤为显著。[1]
• 全球金融危机（2008年）：通过主成分分析提取的“次贷因子”与雷曼兄弟破产、法拍房峰值等关键事件同步，且在次贷贷款份额高的州预测力更强。[1]
• 企业层面：企业通过其工厂所在地暴露于BPG波动性，会导致自身股票波动性上升。每增加10个百分点的BPG波动性暴露，企业股票回报波动性增加0.1个百分点。[1]

4. 对长期增长的影响

• 信贷构成的重要性：信贷向制造业倾斜促进增长，而过度向房地产倾斜则抑制增长（呼应Dai等人关于金融深化不平衡的研究）。
• 监管的作用：更严格的土地使用监管（如高最低地块面积要求）与更低的许可完成率和更高的波动性预测能力相关。[1]

5. 贡献与启示

• 数据贡献：首次构建覆盖一个世纪、高频且地理细分的美国建筑许可数据库。[1]