基于时间序列的中国房地产价格走势预测.pdf

万方数据

基于时问序列的中国房地产价格走势预测姜茜娅(西南财经大学611130)三、房价预测及政策分析1998年实行住房商品化以来，房地产市场处于不成熟阶段，我国房地产投资规模不断扩大，房地产价格持续上涨。过快上涨的房价不仅极大地影响居民的生活质量．而且也影响了我国经济的平稳健康发展。因此，房价『H】题已经成为一个重要的经济问题和社会问题。本文旨在通过时间序列模型的建立，对未来房价走势一、数据来源及处理选取1998年第1季度至2009年第3季度的全国房屋销售价格指数共47个数据进行研究。由于原数据是以上一期为基期的指数，数据整体没有可比性，因此我们对其进行处理，转化为以1998年第l季度为基期的指数数据，用x。表示(原数据省略)。1．平稳性检验。首先，利用该时间序列做出一个时序图，有此我们发现时间序列存在明硅的上升趋势，即该时间序列不平稳。我们依此埘该序列进行一阶差分和二阶差分，并分别进行单化根检验，检验结果为在l％、5％、10％三个显著性水平下，单位根检验的临界值分别为一3,5930、一2．9320、一2．6039，t检验统计量值为一6．560517，小于相应临界值，从而拒绝原假设，表明二阶差分序列Xf不存在单位根，是平稳时间序列。I．模型定阶。■阶差分序列v2)(t的自相关函数(ACF)和偏自可以看出自相关图是4阶截尾，偏自相关图是3阶截尾，我们选取ARIMA模型。已知I(d)的阶数为2，即d=2，因此，对ARMA模型进行定阶分析，考虑(P，q)的不同组合p=l，2。3。铲1，2．3，4，再运用最小信息准则函数定价法，即AIC准则，在给出不同模型的AIC汁算公式基础卜，选取使AIC达到最小的那一组阶数为最传模型阶数，运用Eviews软件完成这一过程，从AIC准则函数定阶图(图2)可以看出，取p=2，f3时模型ARMA(2。3)优于其他模型。2．参数估计。运用最小二乘法对ARMA(2，3)模型进行参数估计，通过结果我们发现的系数不显著，而且存在单位圆以外的根，因此将剔除，得到最终参数估计结果：由町决系数和相天统计检验值可以看出。模型估计结果较好。3．适应性检验。对模型进行适应性检验，即检验残差序列f}是否是F1噪声序列。做}{{残差的自相关网和偏自相关图，叮得出检验的相伴概率(P值)大干0．05，表明模型是适合的。我们由1998年第l季度到2009年第3季度的商品房价格指数的历史数据拟合得来的模型，向后做4期预测，预测2009年第4季度到2010年第3季度，预测值分别为915．6369、950．1451、985．3662、1021．3030。由预测结果可以看出，商品房价格指数(以1998年第l季度数据为基期)在未来一段时间内将半稳上升。金融危机以来，国家通过出台一系列刺激内需的经济措施．经济开始叫暖，但是由于政策的滞后效应可能会造成房价泡沫，为了抑制这一现象。近期国家出台了抑制房价过快增长的政策，以此确保房价平稳上升。另外，金融危机的阴影尚未彻底消退，未来经济走势还有待观察。一砦政策还需视具体情形做必要的适应性调整。国家在遏制楼市过热、房价上涨过快的同时。加大经济适用房建设等打面的力度，通过多种途径来解决群众住房难的问题，而不是选择直接硬性降低商品房价格，从而保持中国经济稳步回升。本文通过时间序列分析方法，对全国房地产价格未来走势予以预测。通过建芷时间序列的ARIMA模型，对未来房价走势进行分析，并从预测结果中看出，商品房价格在未来一段时间将平稳上升。[2]尤梅芳．黄敏，程立．ARIMA模型在房价预测中的应用[J]．中国物一48一∞凹舵髂敌酣似∞∞∞∞"∞"似∞的筋访"蝤骆刀∞甜竹吖钳躬q似阳砭弛弱甜∞们町侣【摘要】本文采用《2007中国统计年鉴》1998年第1季度至2009年第3季度的全国房屋销售价格指数，建立ARIMA模型，并对未来房份走势进行预测。【关键词】房地产价格；时间序列；ARIMA模型v2二、建立AIuMA模型相关函数(PACF)如图l所示图1vxt=O．7134+1．3553V2X—I—O．7836W2Xt仁(2．1000)(10．4404)(一5．5439)(一412．8378)(一2．4507)R2=O．7690，良2=O．7447。F=31．6289。DW=2．1636四、结论【参考文献】Llj王振龙．胡永宏．应用时间序列分析[M]．科学出版社，2007．价，2009．(6)．∞∞∞∞∞∞∞∞∞∞∞∞∞∞∞∞∞∞∞们Date12，21，09"lqme11：55Sample1998120093Included45AutocorreialionPaniatCO仃l时戳fonACPACO．StarProb2+at+O．56434～I4-0．41724—3O@OO06f7814S24『78，159，99O，