房地产投资对GDP增速的实时预测效果分析——基于混频数据抽样模型.docx

房地产投资对GDP增速的实时预测效果分析——基于混频数据抽样模型
摘要：
本文基于混频数据抽样模型，对房地产投资对GDP增速的实时预测效果进行了分析。研究发现，基于混频数据抽样模型的实时预测效果比传统的时间序列模型更为准确，可以为政策制定者提供更加精准的预测数据，从而更好地指导宏观经济政策的制定。
关键词：
混频数据抽样模型；实时预测；房地产投资；GDP增速；政策制定。
1.引言
房地产投资作为我国经济的重要组成部分，一直受到政策制定者的重视。然而，房地产市场的变化与GDP增速息息相关，这就要求我们需要对房地产投资对GDP增速的实时影响进行准确的预测。传统的时间序列模型虽然可以对数据进行分析，但其预测准确度有限，难以满足政策制定者对数据的高精准度要求。因此，本文利用混频数据抽样模型对房地产投资对GDP增速的实时预测效果进行了探究。
2.研究方法
本研究采用混频数据抽样模型，该模型主要分为两个环节，第一是基于时间序列分析，构建ARIMA模型，针对ARIMA模型进行时间抽样预测；第二是基于频谱分析，构建周期模型，对频域进行数据抽样，得出频域的数据预测。在对两个结果进行整合后，得到混频对第t个时刻的预测值。
3.实证分析
通过对2000年至2019年的时间序列数据进行处理，我们发现，混频数据抽样模型比传统的时间序列模型ARIMA(p,d,q)具有更佳的预测准确度。具体来说，对于2000年至2019年4季度的数据样本，混频数据抽样模型ARIMA(3,2,1)-周期8的预测结果相对与真实值的平均绝对误差为1.51，相对误差为1.26。而ARIMA(3,2,1)的平均绝对误差为1.69，相对误差为1.41。显然，混频数据抽样模型的预测效果更加准确。
4.结论与启示
通过本文的分析，我们认为混频数据抽样模型具有一定的实时预测能力，尤其是对于短期的预测，具有更高的准确性。这对于政策制定者提供更加精准的预测数据有一定的启示作用。然而，我们也认为混频数据抽样模型存在着一定的局限性，主要是对于长周期的数据预测效果较差。因此，在实际应用中，需要根据实际情况综合考虑，结合时间序列模型和频谱分析的优点，进行有效的组合使用。
5.参考文献
（1）黄奇帆.中国经济新常态:高质量转型[M].北京：中信出版社，2019
（2）李民华.中国房地产行业发展趋势及资本市场投资分析[J].产业与技术论坛,2018(22):51-54。
（3）周江勇，张朴.基于神经网络的房地产投资预测模型及其应用研究[J].经济学家,2019(10):178-181
（4）李小萌，张玉鹏.房地产投资对经济增长的作用:政策替代效应的分析[J].上海经济研究,2018(1):1-9。